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

El descubrimiento de fármacos, el arte de identificar nuevas moléculas para desarrollar productos farmacéuticos, es un proceso muy largo y difícil. Técnicas tradicionales, como cribado de alto rendimientoofrecer un enfoque costoso y disperso, que no siempre 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 por 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 obtener el apoyo de algunos de los inversores más influyentes de Silicon Valley, convirtiéndola en una de las empresas más populares en una industria en crecimiento. En diciembre, la empresa completó su Serie Baportando 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, una empresa negocio 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, fue diseñado para desarrollar anticuerpos, las proteínas necesarias para combatir las enfermedades. La startup dijo que espera servir como una especie de “conjunto de diseño asistido por computadora” para moléculas.

Es un momento crítico para la zona específica 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 con IA en San Francisco. Este “laboratorio de co-innovación”, como se le llama, combinará big data, recursos computacionales y conocimiento científico, todo en un intento de acelerar la velocidad de desarrollo de nuevos medicamentos.

La industria no sin tus detractores. Algunos veteranos de la industria parecen sentir que, dada la dificultad de desarrollar medicinas tradicionales, estas nuevas tecnologías son Es poco probable que tenga un gran impacto.. Sin embargo, por cada opositor, parece haber un número igual de creyentes.

Elena Viboch, directora general de General Catalyst, una de Los principales partidarios 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 se asocien más rápidamente con empresas como Chai serán las primeras en llevar moléculas a la clínica y fabricar medicamentos importantes”, dijo Viboch. “En la práctica, esto significa establecer asociaciones en 2026 y, para finales de 2027, ver que medicamentos de primera clase entren 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 biológica y los datos patentados de Lilly, nuestro objetivo es ampliar la frontera de cómo la IA puede diseñar mejores moléculas desde cero, 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 de texto al viejo amigo de la universidad de Meier, Jack Dent, para preguntarle sobre una posible oportunidad de negocio. Meier y Dent se conocieron originalmente en clases de informática en Harvard, pero en ese momento, Dent era ingeniero en Stripe (otra empresa de la que Altman fue uno de los primeros patrocinadores). Altman preguntó si pensaba que Meier estaría dispuesta a colaborar en una startup de proteómica, es decir, una empresa centrada en el estudio de proteínas.

Altman “me envió un mensaje diciendo que todos en OpenAI pensaban muy bien en él y me preguntaron si pensaba que estaría dispuesto a trabajar con ellos en un spin-out de proteómica”, dijo Dent. Dent le dijo a Altman “por supuesto”, pero solo había un problema: Meier todavía no sentía que la tecnología estuviera “allí”. La tecnología de IA detrás de estas empresas -que utilizan potentes algoritmos- era todavía un campo en crecimiento y lejos de donde debería estar.

Meier también estaba decidido a unirse al equipo de investigación e ingeniería de Facebook, que es lo que haría. En Facebook, Meier ayudó a desarrollar ESM1el primer modelo de lenguaje de proteína transformadora, un precursor importante del trabajo que Chai está realizando actualmente. Tras el paso de Meier por Facebook, pasaría tres años en Absci, otra empresa de biotecnología de IA basada en la creación de medicamentos.

En 2024, Meier y Dent finalmente se sintieron preparados para asumir la empresa de proteómica que habían discutido originalmente con Altman. “Josh y yo nos acercamos a Sam y le dijimos que deberíamos retomar la 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 extremadamente talentosas. “Realmente bajamos la cabeza y superamos los límites de lo que estos modelos son capaces de hacer”, dijo Dent. “Cada línea de código en nuestra base de código se desarrolla internamente. No vamos a sacar del mercado LLM que sean de código abierto. [ecosystem] y ajustarlos. Se trata de arquitecturas altamente personalizadas”.

Viboch de General Catalyst le dijo a TechCrunch que sentía que Chai estaba listo para ponerse a trabajar. “No existen barreras fundamentales para implementar estos modelos en el descubrimiento de fármacos”, afirmó. “Las empresas seguirán teniendo que presentar candidatos a medicamentos para pruebas y ensayos clínicos, pero creemos que habrá ventajas significativas para quienes adopten estas tecnologías, no sólo al acortar los plazos de descubrimiento, sino también al desbloquear clases de medicamentos que históricamente han sido difíciles de desarrollar”.