Hace algunas semanas les comentábamos sobre las bondades de la computación cuántica en materia de encontrar nuevos fármacos, aunque parece que las IA llegarán a ayudar primero, ya que FutureHouse ha utilizado a Robin una plataforma multiagente IA para encontrar fármacos para una enfermedad que no tenía cura, hasta ahora.
De hecho, el concepto de Robin desarrollador por FutureHouse es interesante. No trata solo de usar una gran IA que haga todo, sino que pensaron en distribuir tareas específicas en diferentes IAs, con un orquestador que las articule.
Robin es una plataforma de inteligencia artificial compuesta por tres agentes especializados que automatiza todo el proceso de descubrimiento científico: desde la revisión de literatura hasta el análisis de datos.
Se este framework para identificar y validar, en solo dos meses y medio, una propuesta terapéutica para la degeneración macular asociada a la edad seca (dAMD), una de las principales causas de ceguera irreversible en el mundo.
¿Qué significa que Robin sea una IA multiagente?
Robin está compuesto por tres agentes de lenguaje (Tres IAs diferentes) que trabajan de forma coordinada dentro de un flujo desarrollado por la firma. Cada uno cumple una función específica en el ciclo completo de investigación científica:
- Crow: realiza revisiones breves y enfocadas en literatura científica. Identifica estrategias experimentales y posibles candidatos con base en estudios existentes a los que tuvo acceso.
- Falcon: se encarga de comprobaciones más profundas y detalladas. Evalúa cada candidato propuesto, genera reportes con evidencia y limitaciones, y ayuda a priorizar las opciones más viables (para el caso del estudio, los mejores fármacos posibles).
- Finch: analiza datos experimentales como citometría de flujo o RNA-seq. Ejecuta análisis bioinformáticos completos, interpreta resultados y genera visualizaciones para apoyar nuevas decisiones experimentales.
Esta arquitectura permite ejecutar ciclos completos de estudios de forma más rápida y estructurada, considerando incluso:
- Automatización de tareas
- Exploración de literatura
- Análisis de datos
- Formulación de nuevas hipótesis.
Benjamin Chang, parte del equipo técnico tras el estudio, resume así Robin:
“La IA puede sintetizar conocimientos a un nivel sobrehumano y generar ideas que los humanos ni siquiera contemplarían. Esto es solo el comienzo”.
Benjamin Chang, doctorando en aprendizaje estadístico en Oxford y miembro del equipo técnico de FutureHouse.
¿Cómo funciona Robin y qué logró descubrir?
Robin fue puesto a prueba con un problema concreto: encontrar nuevas opciones terapéuticas para la degeneración macular asociada a la edad seca (dAMD), una enfermedad progresiva que deteriora la visión central y es una de las principales causas de ceguera irreversible en personas mayores.
El sistema comenzó con una hipótesis:
«Si se lograba mejorar la capacidad de las células del epitelio pigmentario de la retina (RPE) para eliminar residuos celulares —un proceso llamado fagocitosis—, podría haber un beneficio terapéutico para los pacientes con dAMD».
Para construir esta idea, Robin desplegó sus tres agentes de IA para una primera iteración:
- Crow hizo una revisión breve, pero estratégica de la literatura científica para explorar posibles soluciones a la hipótesis. Detectó que estimular la fagocitosis en las células RPE podía ser una vía prometedora.
- Falcon profundizó en esa hipótesis, evaluando cientos de artículos y ensayos clínicos para identificar compuestos conocidos que pudieran inducir ese efecto. Con base en este estudio, propuso diez posibles fármacos, que técnicamente cumplen.
- Finch, tras realizar los experimentos en células humanas en cultivo, analizó los datos obtenidos mediante citometría de flujo y detectó que el inhibidor ROCK Y-27632 —una molécula que actúa sobre una enzima relacionada con el citoesqueleto celular— era el compuesto más efectivo para mejorar la fagocitosis.
En una segunda iteración, con base a lo anterior, Robin generó una nueva serie de candidatos y entre ellos identificó a ripasudil, un medicamento ya aprobado para tratar el glaucoma, como el más prometedor:
- Se utiliza en aplicaciones oftálmicas.
- Reduce significativamente la barrera para su eventual uso en dAMD.
¿Qué dijeron los investigadores sobre el estudio presentado?
Los miembros del equipo técnico de FutureHouse compartieron cómo vivieron el proceso de trabajo con Robin. Vean el siguiente video para profundizar sus impresiones:
Michaela Hinks, durante su doctorado, creó una herramienta experimental capaz de observar, al mismo tiempo, cómo diferentes proteínas se ubican sobre una misma molécula de ADN dentro de células humanas. Usó este sistema para poner a prueba modelos fundamentales sobre cómo se activa la transcripción genética:
“Hoy hablamos de la degeneración macular seca porque teníamos que empezar en alguna parte y comprometernos a hacer experimentos en un área específica. Pero lo que quiero enfatizar es que este sistema es de propósito general y puede generar hipótesis para tratar cualquier enfermedad humana”.
Michaela Hinks, científica del equipo técnico de FutureHouse, especializada en biología sintética y genómica.
Ali Ghareeb también es fundador en biotecnología y co-inventor de una tecnología de edición de ARN llamada Transcriptome Timestamping, que permite medir la edad precisa de moléculas individuales de ARN:
“Muchas de las enfermedades más importantes que afectan a la humanidad son muy complejas. Hay muchos genes y factores ambientales involucrados. Cuando algo es tan complicado, es difícil para la mente humana comprenderlo completamente. Pero los modelos de lenguaje, que en teoría tienen todo el conocimiento biomédico público, deberían ser capaces de generar ideas novedosas que los humanos no podemos imaginar”.
Ali Ghareeb, oftalmólogo e integrante del equipo técnico de FutureHouse, con experiencia en terapias con células madre, organoides de retina y genómica.
Ali Ghareeb agregó sobre el rol humano en el proceso:
“Los humanos todavía necesitamos hacer los experimentos físicos en el laboratorio, pero el sistema propuso todas las hipótesis, eligió los análisis y generó las figuras principales del trabajo”.
El artículo detalla que los experimentos fueron desarrollados por personas, aunque el diseño conceptual, las hipótesis, las figuras y el análisis provienen completamente del sistema. Robin gestionó todo el proceso intelectual.
El código, la data y todo lo que hizo Robin serían publicados mañana martes 27 de mayo, con el objetivo de que otros investigadores puedan usar y adaptar este sistema en distintas áreas científicas.
Fuente: FutureHouse
