Desde las oficinas de OpenAI hasta un acuerdo con Eli Lilly: cómo Chai Discovery se convirtió en uno de los nombres más llamativos en el desarrollo de fármacos de IA

El descubrimiento de fármacos, el arte de identificar nuevas moléculas para desarrollar productos farmacéuticos, es un proceso notablemente lento y difícil. Las técnicas tradicionales, como la detección de alto rendimiento, ofrecen un costoso enfoque disperso, que a menudo no tiene éxito. Sin embargo, una nueva generación de empresas de biotecnología está aprovechando la inteligencia artificial y las tecnologías de datos avanzadas en un intento de acelerar y racionalizar el proceso.

Chai Discovery, una startup de inteligencia artificial fundada en 2024, es una de esas empresas. En poco más de 12 meses, sus jóvenes cofundadores lograron recaudar cientos de millones de dólares y conseguir el respaldo de algunos de los inversores más influyentes de Silicon Valley, convirtiéndola en una de las empresas más llamativas de una industria en crecimiento. En diciembre, la compañía completó su Serie B, aportando 130 millones de dólares adicionales y una valoración de 1.300 millones de dólares.

El viernes pasado, Chai también anunció una asociación con Eli Lilly, un acuerdo en el que el gigante farmacéutico utilizará el software de la startup para ayudar a desarrollar nuevos medicamentos. El algoritmo de Chai, llamado Chai-2, está diseñado para desarrollar anticuerpos, las proteínas necesarias para combatir enfermedades. La startup ha dicho que espera servir como una especie de “conjunto de diseño asistido por computadora” para moléculas.

Es un momento crítico para el campo particular de Chai. El acuerdo de la startup se anunció poco antes de que Eli Lilly dijera que también colaboraría con Nvidia en una asociación de mil millones de dólares para crear un laboratorio de descubrimiento de fármacos de IA en San Francisco. Este “laboratorio de co-innovación”, como se le llama, combinará big data, recursos informáticos y experiencia científica, todo en un intento de acelerar la velocidad del desarrollo de nuevos medicamentos.

La industria no está exenta de detractores. Algunos veteranos de la industria parecen sentir que, dado lo difícil que es el desarrollo de fármacos tradicionales, es poco probable que estas nuevas tecnologías tengan un impacto importante. Sin embargo, por cada detractor, parece haber otros tantos creyentes.

Elena Viboch, directora general de General Catalyst, uno de los principales patrocinadores de Chai, dijo a TechCrunch que su empresa confía en que las empresas que adopten los servicios de la startup verán resultados. «Creemos que las empresas biofarmacéuticas que actúen más rápidamente para asociarse con empresas como Chai serán las primeras en llevar moléculas a la clínica y fabricarán medicamentos importantes», dijo Viboch. «En la práctica, eso significa asociarse en 2026 y, para finales de 2027, ver medicamentos de primera clase entrar en ensayos clínicos».

Aliza Apple, directora del programa TuneLab de Lilly, que utiliza inteligencia artificial y aprendizaje automático para avanzar en el descubrimiento de fármacos, también expresó confianza en el producto de Chai. «Al combinar los modelos de diseño generativo de Chai con la profunda experiencia en biología y los datos patentados de Lilly, pretendemos ampliar la frontera de cómo la IA puede diseñar mejores moléculas desde el principio, con el objetivo final de ayudar a acelerar el desarrollo de medicamentos innovadores para los pacientes», dijo.

Es posible que Chai se haya fundado hace menos de dos años, pero los orígenes de la startup comenzaron hace unos seis años, en medio de conversaciones entre sus cofundadores y el director ejecutivo de OpenAI, Sam Altman. Uno de esos fundadores, Josh Meier, trabajó anteriormente para OpenAI en 2018 en su equipo de investigación e ingeniería. Después de dejar la empresa, Altman le envió un mensaje al viejo amigo de la universidad de Meier, Jack Dent, para preguntarle sobre una posible oportunidad de negocio. Meier y Dent se habían conocido originalmente en clases de informática en Harvard pero, en ese momento, Dent era ingeniero de Stripe (otra empresa de la que Altman fue uno de los primeros patrocinadores). Altman le preguntó si pensaba que Meier estaría dispuesto a colaborar en una startup de proteómica, es decir, una empresa centrada en el estudio de proteínas.

Altman «me envió un mensaje para decirme que todos en OpenAI pensaban muy bien en él y me preguntaron si pensaba que estaría dispuesto a trabajar con ellos en un proyecto de proteómica», dijo Dent. Dent le dijo a Altman «por supuesto», pero solo había un problema: Meier no sentía que la tecnología estuviera «allí» todavía. La tecnología de inteligencia artificial detrás de estas empresas, que aprovechan potentes algoritmos, todavía era un campo en crecimiento y estaba lejos de donde debía estar.

Meier también estaba bastante decidido a unirse al equipo de investigación e ingeniería de Facebook, que es lo que continuaría haciendo. En Facebook, Meier ayudó a desarrollar ESM1, el primer modelo de lenguaje de proteína transformadora, un precursor importante del trabajo que Chai está realizando actualmente. Después del tiempo de Meier en Facebook, pasaría tres años en Absci, otra empresa de biotecnología de IA basada en la creación de fármacos.

Para 2024, Meier y Dent finalmente se sintieron preparados para abordar la empresa de proteómica que habían discutido originalmente con Altman. «Josh y yo nos comunicamos con Sam y le dijimos que deberíamos retomar esa conversación donde la dejamos y que estábamos iniciando Chai juntos», dijo Dent.

OpenAI acabó convirtiéndose en uno de los primeros inversores iniciales de Chai. De hecho, Meier y Dent fundaron Chai, junto con sus cofundadores, Matthew McPartlon y Jacques Boitreaud, mientras trabajaban en las oficinas del gigante de la IA en el barrio Mission de San Francisco. «Tuvieron la amabilidad de darnos espacio para oficinas», reveló Dent.

Ahora, poco más de un año después, mientras Chai disfruta del brillo de su nueva asociación con Eli Lilly, Dent dice que la clave para el rápido crecimiento de la empresa ha sido reunir un equipo de personas enormemente talentosas. «Realmente simplemente agachamos la cabeza y ampliamos la frontera de lo que estos modelos son capaces de hacer», dijo Dent. «Cada línea de código en nuestra base de código es de cosecha propia. No vamos a sacar del mercado los LLM que son de código abierto. [ecosystem] y afinarlos. Estas son arquitecturas altamente personalizadas”.

Viboch de General Catalyst le dijo a TechCrunch que sentía que Chai estaba listo para comenzar a trabajar. «No existen barreras fundamentales para el despliegue de estos modelos en el descubrimiento de fármacos», afirmó. «Las empresas aún tendrán que someter a los candidatos a fármacos a pruebas y ensayos clínicos, pero creemos que habrá ventajas significativas para quienes adopten estas tecnologías, no sólo al reducir los plazos de descubrimiento, sino también al desbloquear clases de medicamentos que históricamente han sido difíciles de desarrollar».