Ícono del sitio La Neta Neta

El servicio de descubrimiento de fármacos basado en el aprendizaje automático de Atomwise recauda $ 123 millones

El servicio de descubrimiento de fármacos basado en el aprendizaje automático de Atomwise recauda $ 123 millones

Con una gran cantidad de asociaciones con grandes compañías farmacéuticas en su haber y la exitosa escisión de al menos una nueva compañía, Átomo ya ha demostrado el valor de su plataforma de aprendizaje automático para descubrir y comercializar posibles terapias de moléculas pequeñas para una gran cantidad de afecciones.

Ahora, la compañía ha recaudado $123 millones en nuevos fondos para acelerar su negocio.

“Ampliar la tecnología y escalar el equipo y escalar lo que hemos estado haciendo con ella”, dice el director ejecutivo Abe Heifets cuando se le pregunta qué sigue para el negocio de ocho años.

Atomwise ya ha firmado contratos por valor de 5500 millones de dólares con socios corporativos que incluyen a Eli Lilly & Co., Bayer, Hansoh Pharmaceuticals y Bridge Biotherapeutics. Empresas más pequeñas y en etapa inicial como StemoniX y SEngine Precision Medicine también están utilizando la tecnología de Atomwise.

Ahora, la compañía buscará capturar más del valor del descubrimiento de fármacos para sí misma, buscando desarrollar y comercializar sus descubrimientos haciéndose cargo de una mayor parte del proceso de desarrollo y trabajando con los fabricantes en una etapa posterior, según Heifets.

Atomwise insinuó su nueva estrategia el año pasado cuando anunció una asociación con Velocity Drug Development y una inversión de $14.5 millones para crear X-37una empresa derivada que está desarrollando terapias de moléculas pequeñas para los cánceres endodérmicos, que incluyen cánceres de hígado, páncreas, colon, estómago y vejiga.

“Tenemos alrededor de 750 proyectos en ejecución hoy en día en todo el mundo”, dice Heifets. “Estos comprenden más de 600 objetivos únicos y eso es con una amplia gama de asociaciones”.

El poder de la plataforma de descubrimiento de fármacos de Atomwise es su capacidad para aprovechar el aprendizaje automático para estructurar nuevas proteínas que nunca han existido y garantizar que puedan llegar a los receptores objetivo precisos para realizar la tarea deseada.

Aquí, el spin-off X-37 es especialmente ilustrativo. Una línea de investigación que la compañía está llevando a cabo en moléculas puede apuntar al receptor de proteína PIM3. Si un medicamento puede bloquear PIM3, puede matar las células endodérmicas cancerosas, según Heifets. Sin embargo, si las moléculas se unen a otro objetivo similar, PIM1, la terapia puede causar ataques cardíacos y matar a los pacientes.

“Este es un desafío y empíricamente se consideró no farmacológico”, dice Heifets. La compañía de Atomwise analizó 11 mil millones de moléculas potenciales contra los objetivos para llegar a 500 terapias potenciales. Ahora están trabajando en refinar la terapia para llevar algo al mercado.

Y X-37 es solo una de las empresas que Atomwise ha creado para comercializar varias moléculas nuevas. También están Atropos Therapeutics, Theia Biosciences y vAIrus.

Atomwise está lejos de ser la única empresa que piensa que la aplicación de tecnologías de aprendizaje automático para el descubrimiento de fármacos es una combinación ganadora. Menten AI es una empresa que ha llevado los nuevos desarrollos tecnológicos un paso más allá y ha añadido la computación cuántica a la mezcla para crear nuevos fármacos.

“La oportunidad de mercado que buscamos es cuatro veces el valor de toda la industria farmacéutica actual”, dijo Heifets. Esto es de lo que se trata. Hay 20.000 genes humanos y sólo el 4% han sido alguna vez drogas. Otro 16% ha sido evidenciado. Pero la oportunidad de drogar lo que no se puede drogar es mucho más grande que toda la industria farmacéutica”.

Desbloquear esa oportunidad requerirá mucho capital. Es por eso que B Capital y Sanabil Investments se combinaron para liderar la ronda Serie B de Atomwise. También es la razón por la que compañías como DCVC, BV, Tencent, Y Combinator, Dolby Ventures, AME Cloud Ventures y dos compañías de seguros no reveladas han invertido en la última ronda de la compañía.

Hasta la fecha, Atomwise ha trabajado con 750 colaboraciones de investigación académica que abordan más de 600 objetivos de enfermedades, para modelar y evaluar más de 16 000 millones de moléculas nuevas para la evaluación virtual. Estas moléculas han generado 17 solicitudes de patentes pendientes y varias publicaciones revisadas por pares. Hay 285 asociaciones activas de descubrimiento de fármacos con investigadores de las mejores universidades de todo el mundo, y Atomwise anunció recientemente 15 colaboraciones de investigación con universidades globales para explorar terapias de amplio espectro para COVID-19, dirigidas a 15 mecanismos de acción únicos y novedosos.

“Las nuevas tecnologías están permitiendo una I+D mejor y más rápida para la industria de las ciencias de la vida”, dijo Raj Ganguly, cofundador y socio gerente de B Capital Group, en un comunicado. “Los avances que Atomwise ha logrado con su plataforma computacional de descubrimiento de fármacos han reducido efectivamente meses o incluso años del ciclo de vida de I+D. Sin embargo, lo más importante es que están resolviendo problemas biológicos que los investigadores creían que no tenían solución y brindando esa capacidad a todos, desde académicos hasta grandes farmacéuticas. Estamos emocionados de continuar asociándonos con el equipo de Atomwise en su misión de desarrollar terapias nuevas y más efectivas”.

Para el inversionista principal, B Capital, la inversión de Atomwise es parte de una tesis sobre la reducción del costo de la atención y la mejora de los resultados.

“Empresas como Atomwise que están mejorando la curva de costos están en la misma línea de llevar terapias al mercado de manera más rápida y económica. Lo que significa que puede mejorar el acceso y mejorar los costos y abordar cosas como enfermedades raras”, dijo Adam Seabrook, director de B Capital centrado en la atención médica.


Source link
Salir de la versión móvil