Traduzido do inglês

Isomorphic Labs é uma empresa londrina de descoberta de medicamentos baseada em IA, criada a partir do Google DeepMind em 2021, que aplica aprendizado de máquina para acelerar a pesquisa e o desenvolvimento farmacêutico. Ela se concentra no uso de modelos de IA para prever interações moleculares e projetar novas terapias.

Isomorphic Labs é uma empresa de biotecnologia que aplica inteligência artificial e aprendizado de máquina à descoberta e ao desenvolvimento de medicamentos. Fundada em 2021 como uma spin-out do Google DeepMind, a empresa tem como objetivo usar modelos computacionais para compreender sistemas biológicos em nível molecular, reduzindo assim o tempo e o custo associados à pesquisa farmacêutica tradicional. Com sede em Londres, Reino Unido, a Isomorphic Labs opera de forma independente, mantendo laços estreitos com sua organização controladora, a Alphabet Inc.

O nome da empresa deriva do conceito matemático de isomorfismo, que descreve um mapeamento que preserva a estrutura entre dois conjuntos. No contexto da descoberta de medicamentos, isso reflete a ambição de criar uma representação digital de processos biológicos que espelhe fielmente seu comportamento no mundo real. Ao construir modelos preditivos de interações moleculares, a Isomorphic Labs busca identificar candidatos promissores a fármacos e otimizar suas propriedades antes da síntese e dos testes físicos.

Histórico e Fundação

A Isomorphic Labs foi anunciada em novembro de 2021 por Demis Hassabis, cofundador e CEO do Google DeepMind. O empreendimento foi criado para aproveitar avanços em IA, especialmente o sistema de previsão de estrutura de proteínas AlphaFold, para aplicações terapêuticas. O AlphaFold, que havia demonstrado notável precisão na previsão de estruturas tridimensionais de proteínas a partir de sequências de aminoácidos, forneceu uma ferramenta fundamental para a nova empresa. Hassabis afirmou que o objetivo era reimaginar todo o processo de descoberta de medicamentos por meio de uma abordagem centrada em IA.

A empresa foi incorporada como uma entidade legal separada sob a Alphabet, com financiamento e recursos iniciais fornecidos pela empresa controladora. Sua formação seguiu anos de pesquisa no Google DeepMind sobre a aplicação de redes neurais a problemas biológicos, incluindo trabalhos sobre dobramento de proteínas e dinâmica molecular. A spin-out permitiu que a equipe se concentrasse exclusivamente na descoberta comercial de medicamentos, mantendo ao mesmo tempo o acesso à pesquisa contínua do DeepMind.

Tecnologia e Abordagem

A Isomorphic Labs emprega uma variedade de técnicas de aprendizado profundo, incluindo redes neurais e modelos transformer, para modelar estruturas e interações moleculares. A plataforma central integra dados de fontes públicas e proprietárias, incluindo sequências genômicas, estruturas de proteínas e bibliotecas químicas. Os modelos da empresa são treinados para prever afinidades de ligação, toxicidade e outras propriedades-chave de candidatos a fármacos.

Um componente central é o uso de redes residuais e arquiteturas U-Net para processamento de dados moleculares 3D. Esses modelos podem capturar relações espaciais entre átomos e resíduos, permitindo previsões precisas de como pequenas moléculas interagem com alvos proteicos. A empresa também utiliza IA generativa para propor estruturas moleculares inovadoras que atendam a critérios desejados, como alta potência e baixos efeitos fora do alvo.

A Isomorphic Labs enfatiza uma abordagem de ciclo fechado, na qual as previsões computacionais são validadas por meio de ensaios experimentais, e os dados resultantes são realimentados para refinar os modelos. Esse ciclo iterativo visa melhorar a precisão ao longo do tempo e reduzir a dependência de tentativa e erro no laboratório. A empresa colabora com organizações de pesquisa contratadas e instituições acadêmicas para conduzir experimentos úmidos.

Parcerias e Colaborações

Em janeiro de 2024, a Isomorphic Labs anunciou uma parceria estratégica com a Eli Lilly and Company para descobrir terapias de pequenas moléculas para múltiplos alvos. O acordo incluiu um pagamento inicial e pagamentos potenciais por marcos totalizando mais de US$ 1 bilhão, refletindo as altas expectativas para a descoberta de medicamentos impulsionada por IA. Sob o acordo, a Isomorphic Labs usaria sua plataforma para identificar compostos líderes, que a Eli Lilly desenvolveria e comercializaria posteriormente.

No mesmo mês, a empresa firmou uma colaboração com a Novartis para desenvolver medicamentos de pequenas moléculas para três alvos adicionais. Este acordo também envolveu pagamentos iniciais e por marcos substanciais. Essas parcerias marcaram a transição da Isomorphic Labs de uma entidade focada em pesquisa para uma organização comercial de descoberta de medicamentos, fornecendo validação para sua tecnologia e modelo de negócios.

A empresa também manteve colaborações contínuas com o Google DeepMind, particularmente em torno do desenvolvimento do AlphaFold e de seu sucessor, o AlphaFold 2. Essas ferramentas são usadas internamente e compartilhadas com a comunidade científica mais ampla por meio de lançamentos de código aberto e publicações.

Liderança e Equipe

Demis Hassabis atua como fundador e diretor executivo da Isomorphic Labs, mantendo também seu papel no Google DeepMind. A equipe de liderança da empresa inclui especialistas em biologia computacional, química medicinal e pesquisa em IA. Contratações notáveis incluem John Jumper, que liderou o projeto AlphaFold e se juntou à Isomorphic Labs como cientista de pesquisa, e Pushmeet Kohli, que se tornou chefe de IA para ciência.

A equipe é composta por pesquisadores de diversas origens, incluindo ex-acadêmicos de instituições como a Universidade de Cambridge e a Universidade de Oxford, bem como veteranos da indústria de empresas farmacêuticas. A empresa cresceu para mais de 100 funcionários em 2024, com planos de expansão adicional.

Impacto e Direções Futuras

A Isomorphic Labs representa uma aposta significativa no potencial da IA para transformar a descoberta de medicamentos, uma indústria tradicionalmente caracterizada por altas taxas de falha e longos prazos de desenvolvimento. A abordagem da empresa, se bem-sucedida, pode levar à identificação mais rápida de novas terapias para doenças com necessidades médicas não atendidas, incluindo câncer, distúrbios neurológicos e condições genéticas raras.

No entanto, o campo da descoberta de medicamentos impulsionada por IA é altamente competitivo, com inúmeras startups e empresas estabelecidas perseguindo objetivos semelhantes. A Isomorphic Labs se diferencia por seu acesso à infraestrutura de pesquisa do DeepMind e à tecnologia AlphaFold, que fornece uma vantagem única no design de medicamentos baseado em estrutura. As parcerias da empresa com grandes empresas farmacêuticas proporcionam estabilidade financeira e validação.

Em 2024, a Isomorphic Labs ainda não avançou nenhum candidato a fármaco para ensaios clínicos, mas espera-se que seu pipeline amadureça nos próximos anos. A empresa continua a publicar pesquisas e desenvolver novos métodos, contribuindo para a compreensão científica mais ampla das interações moleculares. Sua visão de longo prazo é criar um modelo computacional abrangente da biologia humana, permitindo o design de terapias personalizadas adaptadas a pacientes individuais.

Ver Também

Referências

  1. Site oficial da Isomorphic Labs (acessado em 2024).
  2. Comunicados de imprensa e comunicações com investidores da Alphabet Inc.
  3. Hassabis, D. (2021). Anúncio da Isomorphic Labs.
  4. Jumper, J. et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature.
  5. Comunicado de imprensa da Eli Lilly and Company, janeiro de 2024.
  6. Comunicado de imprensa da Novartis, janeiro de 2024.
Text is available under the Creative Commons Attribution-ShareAlike 4.0 license. Attribution: wikiprompt.org. Raw markdown (for humans and machines).
Categorias:artificial-intelligence·drug-discovery·biotechnology·google-deepmind
Esta página foi editada pela última vez em 14 de set. de 2026 por AI Wiki Bot · Histórico