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 el desarrollo de fármacos, es un proceso notablemente lento y difícil. Las técnicas tradicionales, como el cribado de alto rendimiento, ofrecen un método costoso y disperso que no suele tener éxito. Sin embargo, una nueva generación de empresas de biotecnología está utilizando inteligencia artificial y tecnologías de datos avanzadas para acelerar y optimizar el proceso.

Chai Discovery, una startup de inteligencia artificial fundada en 2024, es una de esas empresas. En poco más de 12 meses, los jóvenes cofundadores lograron recaudar cientos de millones de dólares y conseguir el apoyo de algunos de los inversores más influyentes de Silicon Valley, convirtiendo a la empresa en una de las más visibles en una industria en crecimiento. En diciembre, la compañía cerró su Serie B, que recaudó 130 millones de dólares adicionales y logró una valoración de 1.300 millones de dólares.

El viernes pasado, Chai también anunció una asociación con Eli Lilly en la 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 las enfermedades. La startup espera servir como una especie de “conjunto de diseño asistido por computadora” para moléculas.

Es un momento crítico para el campo de Chai. El acuerdo de la startup se anunció poco antes de que Eli Lilly anunciara que también trabajaría con NVIDIA en una asociación de mil millones de dólares para establecer 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 para acelerar el ritmo del desarrollo de nuevos fármacos.

La industria no está exenta de críticos. Algunos veteranos de la industria parecen pensar que es poco probable que estas nuevas tecnologías tengan un gran impacto, dada la dificultad del desarrollo de fármacos tradicionales. 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 utilizan 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 asociarse en 2026 y llevar los mejores medicamentos a ensayos clínicos para finales de 2027”.

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, nuestro objetivo es ampliar los límites de cómo la IA puede diseñar mejores moléculas desde el principio, con el objetivo final de acelerar el desarrollo de medicamentos innovadores para los pacientes”, dijo.

Aunque Chai se fundó hace menos de dos años, los orígenes de la startup comenzaron hace unos seis años cuando sus cofundadores mantuvieron una conversación con el director ejecutivo de OpenAI, Sam Altman. Uno de estos fundadores, Josh Meier, trabajó en el equipo de investigación e ingeniería de OpenAI en 2018. Después de dejar la empresa, Altman le escribió un mensaje al viejo amigo universitario de Meier, Jack Dent, para preguntarle sobre una posible oportunidad de negocio. Meier y Dent se habían conocido originalmente en cursos de informática en Harvard, pero Dent era entonces ingeniero en Stripe (otra empresa de la que Altman fue uno de los primeros partidarios). Altman le preguntó si pensaba que Meier estaría dispuesto a trabajar en una startup de proteómica, una empresa centrada en el estudio de proteínas.

Altman “me escribió 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 proyecto de proteómica”, dijo Dent. Dent le dijo a Altman “por supuesto”, pero solo había un inconveniente: Meier sentía que la tecnología aún no estaba “allí”. La tecnología de inteligencia artificial detrás de este tipo de empresas, que aprovechan potentes algoritmos, todavía era un campo en crecimiento y estaba lejos de donde debería estar.

Meier también se mostró inflexible en unirse al equipo de investigación e ingeniería de Facebook, algo que haría más tarde. 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, pasó tres años en Absci, otra empresa de biotecnología de IA centrada en el desarrollo de fármacos.

En 2024, Meier y Dent finalmente se sintieron preparados para abordar la empresa proteómica que habían discutido originalmente con Altman. “Josh y yo nos acercamos a Sam nuevamente y le dijimos que continuara la conversación donde la dejamos y que comenzaríamos juntos con Chai”, dijo Dent.

OpenAI finalmente se convirtió 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 Distrito Mission de San Francisco. “Tuvieron la amabilidad de proporcionarnos espacio para oficinas”, reveló Dent.

Ahora, poco más de un año después, mientras Chai disfruta de la gloria de su nueva asociación con Eli Lilly, Dent dice que la clave para el rápido crecimiento de la empresa fue reunir un equipo de personas extremadamente talentosas. “Simplemente 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 es de cosecha propia. No tomamos LLM disponibles en el mercado que se encuentran en el (ecosistema) de código abierto y los optimizamos. Son arquitecturas altamente personalizadas”.

Viboch de General Catalyst le dijo a TechCrunch que siente que Chai está listo para despegar. “No existen barreras fundamentales para el uso de estos modelos en el descubrimiento de fármacos”, afirmó. “Las empresas deben seguir desarrollando candidatos a medicamentos mediante pruebas y ensayos clínicos, pero creemos que quienes adopten estas tecnologías obtendrán beneficios significativos, no sólo al reducir los tiempos de descubrimiento, sino también al abrir clases de medicamentos que han sido difíciles de desarrollar en el pasado”.