AWS lanza Amazon Bio Discovery para acelerar la investigación impulsada por IA en ciencias de la vida

Con Amazon Bio Discovery, los científicos pueden conversar de forma natural en su terminología preferida con un agente de IA -un asistente inteligente que automatiza tareas complejas- para seleccionar los modelos adecuados para sus objetivos de investigación, optimizar las entradas y evaluar los candidatos para la experimentación. Los científicos también pueden entrenar los modelos con sus datos experimentales previos para hacer predicciones más precisas. Además, pueden enviar fácilmente los candidatos a laboratorios físicos para su síntesis y comprobación, con los resultados enviados de vuelta a la aplicación para su rápida iteración, creando un ciclo de experimentación de laboratorio en bucle.

Romper las barreras para la adopción de la IA en el descubrimiento de fármacos

En los últimos años, los avances en IA generativa han dado lugar a una explosión de nuevos modelos de aprendizaje automático que van desde la predicción de la estructura física de las proteínas hasta la evaluación de candidatos en función de sus propiedades químicas. Aunque estos modelos resultan prometedores, requieren conocimientos de codificación y la capacidad de gestionar infraestructuras informáticas. La selección de modelos por sí sola es un reto porque hay docenas de ellos y es difícil compararlos entre sí. Como resultado, muchos científicos tienen dificultades para utilizar modelos de IA de forma independiente, y los biólogos computacionales -los expertos con conocimientos especializados en IA que podrían ayudarles- escasean.

Llevar los candidatos del diseño computacional a la síntesis física también es complicado. Los datos viven en sistemas desconectados, y los científicos deben gestionar varios socios de laboratorio y coordinar manualmente los plazos y los precios.

Amazon Bio Discovery aborda estos desafíos con tres capacidades clave: una biblioteca de referencia de modelos de IA y paquetes de análisis, un agente de IA que ayuda a los investigadores a diseñar experimentos y socios de laboratorio integrados que prueban los candidatos a anticuerpos más prometedores y envían los resultados a los científicos. Este bucle de retroalimentación mejora la siguiente ronda de diseño.

"Los agentes de IA ponen las potentes capacidades científicas al alcance de todos los investigadores de fármacos, no sólo de los que tienen conocimientos informáticos", afirma Rajiv Chopra, vicepresidente de AWS Healthcare AI and Life Sciences. "Estos sistemas de IA pueden ayudar a los científicos a diseñar moléculas de fármacos, coordinar las pruebas, aprender de los resultados y ser más inteligentes con cada experimento. Esta combinación de IA de vanguardia y la infraestructura robusta y segura que AWS ha construido para las industrias reguladas permite a los científicos acelerar el descubrimiento de anticuerpos de maneras que antes no eran posibles."

Amazon Bio Discovery está construido sobre la misma base en la que ya confía la industria farmacéutica. En la actualidad, 19 de las 20 principales compañías farmacéuticas mundiales utilizan AWS para impulsar sus cargas de trabajo de investigación más sensibles. Amazon Bio Discovery ofrece escala, rendimiento, privacidad y seguridad de nivel empresarial a los investigadores de todas las organizaciones de investigación farmacéutica, biotecnológica y académica. Proporciona un aislamiento completo de los datos y ofrece a los clientes la propiedad de todos sus datos y propiedad intelectual.

Utilice la IA en la investigación con facilidad y confianza

Amazon Bio Discovery proporciona a los científicos un amplio catálogo de modelos de IA para el descubrimiento de fármacos, incluidos los principales modelos comerciales y de código abierto de socios como Apheris y Boltz, y próximamente Biohub y Profluent. Y lo que es más importante, un agente de IA guía a los científicos en cada paso, desde el diseño de experimentos hasta la selección de los candidatos más prometedores diseñados por IA para las pruebas de laboratorio. Los científicos pueden utilizar el lenguaje natural para crear recetas de experimentos (flujos de trabajo paso a paso que combinan diferentes modelos y análisis) y comparar qué modelo se adapta mejor a sus necesidades de investigación. Para facilitar aún más la selección del modelo, se dispone de un conjunto de datos de referencia sobre anticuerpos, amplio y en constante crecimiento, que muestra la probabilidad de que un fármaco candidato pueda fabricarse fácilmente, permanecer estable en un rango de temperaturas y tener propiedades biológicas adecuadas.

Mejorar los modelos de IA con los datos experimentales previos de los científicos

El perfeccionamiento de los modelos de IA con datos experimentales propios produce predicciones más inteligentes, mejores candidatos y menos iteraciones de experimentos. Sin embargo, esto requiere equipos dedicados al aprendizaje automático e infraestructuras costosas, por lo que está fuera del alcance de la mayoría de los científicos.

Amazon Bio Discovery cambia esta situación al permitir a los científicos introducir de forma segura datos experimentales previos de los resultados de laboratorio de su organización en la aplicación. Pueden utilizar sus propios datos de laboratorio para entrenar modelos personalizados con tan solo unos clics, sin necesidad de crear canalizaciones de entrenamiento complejas ni escribir código personalizado. Todos los modelos ajustados permanecen privados y accesibles sólo para el usuario o su organización. En el caso de las organizaciones que ya han creado sus propios modelos internos, los biólogos computacionales pueden implementar y hospedar fácilmente dichos modelos en Amazon Bio Discovery. En conjunto, estas características ayudan tanto a los científicos como a los biólogos computacionales a colaborar de manera más eficiente, creando un ciclo de mejora continua que acelera la investigación a lo largo del tiempo.

Cierre el ciclo de descubrimiento de fármacos con socios de laboratorio integrados

Una vez que los científicos identifican los mejores candidatos a anticuerpos, pueden enviarlos directamente a la red integrada de socios de laboratorio de Amazon Bio Discovery que sintetizan físicamente y prueban las moléculas. Socios como Twist Bioscience, Ginkgo Bioworks y próximamente A-Alpha Bio ofrecen servicios con precios y plazos de entrega transparentes. Las pruebas miden información esencial que ayuda a los científicos a decidir qué candidatos pueden seguir desarrollándose.

Los resultados del laboratorio fluyen de vuelta al entorno de aplicaciones de la organización, manteniendo todos los datos conectados y mejorando el siguiente ciclo de diseño. Una aplicación sustituye a los traspasos manuales y a los sistemas desconectados, cerrando el ciclo experimental.

Diseño de nuevos anticuerpos con el Memorial Sloan Kettering Cancer Center

La doctora Nai-Kong Cheung, titular de la cátedra Enid A. Haupt de Oncología Pediátrica del Memorial Sloan Kettering Cancer Center (MSK), se enfrentó a un reto conocido. El proceso de identificar un enfoque prometedor para atacar las células cancerosas y desarrollar un anticuerpo candidato a fármaco mediante métodos de diseño tradicionales lleva demasiado tiempo.

En colaboración con el MSK, el equipo de Amazon Bio Discovery trabajó con Cheung para hacer frente a este reto. Utilizando el agente de Amazon Bio Discovery para orquestar múltiples modelos, diseñaron cerca de 300.000 nuevas moléculas de anticuerpos. A partir de ahí, enviaron los 100.000 mejores candidatos a Twist Bioscience para que los probara. Lo que suele tardar hasta un año con los métodos de diseño tradicionales, se tardó semanas desde el diseño de los candidatos hasta su envío para las pruebas de laboratorio.

"Estamos encantados de poder unir fuerzas con Amazon Bio Discovery para desarrollar la próxima generación de anticuerpos que acelerarán potencialmente el proceso de ayuda a pacientes de todo el mundo", afirma Cheung. "Como investigadores, pasamos 20 años sólo para demostrar que la primera generación de anticuerpos funcionaba, y luego pasamos otros 13 años para conseguir su forma humana antes de obtener la aprobación de la FDA. Este camino ha sido muy ineficiente. Los pacientes vienen aquí contrarreloj. Necesitamos resultados antes.

"Además del MSK, Bayer, el Broad Institute, el Fred Hutch Cancer Center y Voyager Therapeutics se encuentran entre los primeros usuarios de Amazon Bio Discovery.