Los cofundadores de Chai Discovery, Josh Meier (izquierda) y Jack Dent
Cody Pickens para Forbes
l
desde junio, Cuando comenzó el descubrimiento de fármacos con IA, Chai Discovery tenía solo 15 meses y lanzó un nuevo modelo que puede diseñar anticuerpos. Casi una veintena de empresas farmacéuticas vinieron a conversar. “Es como si hubiéramos arrojado una bomba en el campo”, dijo el cofundador y presidente de Chai, Jack Dent. Forbes. “La gente envía mensajes en LinkedIn a las 2 de la mañana y dice: ‘Estoy tan emocionado que no puedo dormir'”.
El descubrimiento de fármacos es una de las grandes promesas de la IA: tanto los científicos como los inversores esperan que el modelo pueda reemplazar el arduo proceso de creación de nuevas terapias. Hoy en día, un solo medicamento suele costar más de mil millones de dólares y lleva más de 10 años. El sueño es que la tecnología permita a los cazadores de drogas encontrar terapias potenciales de forma más rápida y precisa, así como producir tratamientos para enfermedades que antes se consideraban “insuperables”.
“Queremos elevar el nivel de la medicina que se está creando”, dijo el cofundador y director ejecutivo de Chai, Josh Meier. “No se trata sólo de conseguir más medicamentos para los pacientes, sino mejores medicamentos”.
A pesar de enfrentarse a competidores más antiguos y tener más recursos, Chai Discovery se ha catapultado a la vanguardia de la carrera por el descubrimiento de fármacos con IA. En enero, la startup, valorada recientemente en 1.300 millones de dólares, anunció un acuerdo con Eli Lilly, el gigante farmacéutico de 1 billón de dólares (capitalización de mercado) más conocido por sus fármacos para bajar de peso, para diseñar algunas terapias novedosas con su modelo de IA. Ahora, Chai dijo Forbes exclusivamente que ha firmado otra gran asociación para el desarrollo de fármacos de IA, esta vez con 63 mil millones de dólares (ingresos de 2025) con Pfizer.
A principios de este año, la compañía con sede en San Francisco también publicó silenciosamente la próxima versión de su modelo de diseño de anticuerpos, llamado Chai-3, que, según afirma, es superior al Chai-2 que lo puso en el mapa. “Esto emocionó mucho al equipo de Pfizer”, dijo Dent. La empresa ofrece ahora el primer modelo gratuito de plegamiento de la proteína Chai-1, lo que permite a los clientes potenciales de la empresa farmacéutica probar parte de su tecnología. Chai está en conversaciones con más de 15 compañías farmacéuticas adicionales y espera firmar más acuerdos este año.
Si bien la startup se negó a revelar los detalles financieros de su acuerdo con Pfizer o Lilly, el acuerdo debería generar ingresos significativos. Otras asociaciones en el espacio del descubrimiento de fármacos de IA, como el reciente acuerdo de Genesis Molecular con Incyte o el acuerdo de 2024 de Isomorphic con Lilly, la escisión de Alphabet, han involucrado decenas de millones de pagos anteriores con un valor total potencial del acuerdo superior a mil millones de dólares.
Chai, que apareció en la lista AI 50 de este año, ha recaudado más de 225 millones de dólares de inversores como OpenAI, General Catalyst, Menlo Ventures y Oak HC/FT. Ahora la compañía está en conversaciones para recaudar 400 millones de dólares adicionales con una valoración de 3.400 millones de dólares, dijeron dos inversores familiarizados con el acuerdo. Forbes. Todavía es temprano y la compañía aún no ha elegido un inversor importante, dijo un VC. Chai se negó a hacer comentarios.
“El modelo fue humo y espejos durante mucho tiempo. Sabíamos que teníamos que mejorar las cosas literalmente 100 veces para que fueran valiosos para programas reales de descubrimiento de fármacos.
Los inversores están invirtiendo 11.400 millones de dólares en empresas de descubrimiento de fármacos de IA a nivel mundial en 2025, más del doble de los 5.600 millones de dólares del año anterior, según la base de datos de VC PitchBook. En lo que va del año, esa cifra es de 5.500 millones de dólares, lo que la sitúa en camino de superar la del año pasado. Isomorphic, la filial de Alphabet para el descubrimiento de fármacos de IA, recaudó por sí sola 2.100 millones de dólares en mayo. “Existe toda esta esperanza y expectativa en torno a la IA en el descubrimiento de fármacos, y la gente se ha cansado un poco porque es difícil señalar algo tangible”, dice Dent. “Pero estamos en un universo diferente al de hace un año”.
METROtener, 30, Creció en Teaneck, Nueva Jersey, en una familia de médicos y comenzó a programar a la edad de 8 años. En Harvard, consideró convertirse en médico antes de decidirse a especializarse en química e informática. “Lo que me encanta del programa es que puedes escalar tu impacto”, dice.
Conoció a Dent, de 29 años, nacido en Londres, el primer día de clases en Harvard. Dent, que estudió informática, había pasado su adolescencia creando aplicaciones y juegos con amigos. “Tenía 14 años y ganaba dinero vendiendo aplicaciones a 99 centavos cada una y pensé: ‘Dios mío, estoy listo para toda la vida'”, recuerda.
Después de graduarse (tanto de licenciatura como de maestría) en 2018, Meier trabajó en OpenAI, el grupo de biología generativa Meta y la firma de descubrimiento de fármacos de IA Absci. Dent se fue a Stripe, donde se ganó la reputación de ser uno de los mejores ingenieros de la empresa. Es un buen momento para trabajar con IA. Cada pocos meses, Meier y Dent se reunían en un restaurante portugués en San Francisco (donde vivía Dent) o en una heladería en Nueva York (donde residía Meier) para comparar notas a medida que explotaba el campo en rápido crecimiento.
Google DeepMind lanzó la primera base de datos de proteínas AlphaFold, cuyo equipo ganó más tarde el Premio Nobel de Química, en 2021. En 2024, “tenemos la sensación de que todos en la IA van a empezar a trabajar a lo grande, y el campo del descubrimiento de proteínas lleva algunos años de retraso”, afirmó Dent. Abrieron Chai en marzo con dos cofundadores adicionales que Meier conoció a través del trabajo en el campo, Matt McPartlon (que también había trabajado en Absci) y Jacques Boitreaud (de la empresa francesa de descubrimiento de fármacos de IA Aqemia).
Juntos creen que pueden construir un mejor modelo de IA para acelerar la búsqueda de terapia. “Los seres humanos son muy malos en el descubrimiento de fármacos”, afirma Meier. “Honestamente, es un milagro que podamos producir tanta medicina con las herramientas disponibles hoy en día”. Lanzaron su primer modelo, el Chai-1, en apenas unos meses.
Creo que está muy claro que ganaron la guerra. Ganaron la guerra de la comercialización y ganaron la guerra de modelos y productos.
La mayoría de las empresas de descubrimiento de fármacos mediante IA se centran en fármacos específicos, con enormes beneficios si tienen éxito. Por lo general, también desarrollan su propia línea terapéutica porque el potencial de ingresos de los medicamentos de gran éxito es demasiado grande para ignorarlo. Chai adoptó un enfoque diferente y vendió acceso a su tecnología. “Cuando empezamos, nos dijeron que la única manera de ganar dinero era crear nuestros propios activos y convertirnos en una compañía farmacéutica. Tenemos que desafiar ese dogma”, dijo Dent. Dice que en un mundo donde las compañías farmacéuticas gastarán cientos de millones de dólares en una sola molécula prometedora, un motor de software que pueda producir múltiples terapias potenciales rápidamente será extremadamente valioso.
“Creo que es una buena idea que si quieres confiar en que la industria tradicional se siente cómoda uniéndose, no puedes intentar simultáneamente tener tu propia pequeña tienda”, dijo Mikael Dolsten, quien se retiró de Pfizer como presidente de I+D mundial y ahora forma parte de la junta directiva de Chai.
A través de una colaboración con Eli Lilly, la empresa está trabajando para acelerar el desarrollo de fármacos biológicos. Se trata de terapias derivadas de fuentes naturales como proteínas o células, a diferencia de sustancias químicas sintetizadas en un laboratorio. Diogo Rau, director de información y digital de Lilly, dijo Forbes En marzo presentó los calendarios para la aprobación de medicamentos, será “mediados de la década de 2030, si no finales de la década de 2030” antes de que uno de los medicamentos contra la IA desarrollados esté en el mercado. “Esta es una gran apuesta para el futuro”, afirmó en aquel momento. (Pfizer se negó a hablar con Forbes sobre colaborar con Chai.)
Annie Lamont, socia gerente de Oak HC/FT y galardonada con la Lista Midas de Forbes que pasó una década analizando los esfuerzos de descubrimiento de fármacos de IA antes de invertir en Chai, dice que los esfuerzos de comercialización de la compañía han ido más rápido de lo esperado. “Creo que está muy claro que ganaron la guerra”, dijo. “Ganaron la guerra de la comercialización y ganaron la guerra de modelos y productos”.
ies Chai-3 lo que convenció a Pfizer a firmar. El modelo duplica la tasa de éxito del modelo anterior de la startup y produce anticuerpos que se unen 100 veces más estrechamente al objetivo terapéutico previsto, según la empresa. En el descubrimiento de fármacos, un objetivo como una proteína, una enzima o un receptor es como una clave, y una terapia es similar a una clave adjunta para curar una enfermedad. Un vínculo más estrecho significa un tratamiento más eficaz. “El modelo fue humo y espejos durante mucho tiempo”, dijo Dent. “Sabemos que tenemos que hacer las cosas literalmente 100 veces mejores para que sean valiosas para un programa real de descubrimiento de fármacos”.
La mayor tasa de éxito y la vinculación más estricta del modelo Chai-3 podrían ser de gran importancia para hacer realidad las esperanzas largamente mantenidas de que la IA revolucionará el descubrimiento de fármacos. “La gente de tecnología se entusiasma con medicamentos mejores, más rápidos y más baratos, pero los medicamentos de gran éxito pueden generar $10 mil millones de dólares al año en ingresos. Pasar de tres años a tres meses es significativo, pero la gran pregunta es: ‘¿Están fabricando un medicamento con un impacto masivo?’ “Dijo Elena Viboch, directora general de General Catalyst, quien codirigió la inversión de riesgo en diciembre pasado en Chai. Todavía estamos muy lejos de ver si eso es realmente posible.
El modelo Chai-2 permite a los investigadores diseñar desde cero anticuerpos monoclonales de longitud completa, que son cada vez más importantes en el tratamiento del cáncer y las enfermedades autoinmunes. El modelo puede crear diseños de anticuerpos desde cero en el 16% del tiempo, comprimiendo meses de trabajo en un laboratorio húmedo a dos semanas. Pero incluso si las moléculas se unieran a su objetivo -la clave en el desarrollo de fármacos- no siempre lo hacen bien. Eso significa que todavía tienen que pasar por un largo proceso para mejorar la potencia y la seguridad, como se encontró sin usar IA.
Las mejoras en Chai-3 lo acercan a poder pasar ese proceso de purificación molecular. La compañía dijo que en aproximadamente la mitad de los casos, la molécula producida por Chai-3 se une a su objetivo con tanta fuerza como el fármaco aprobado. Los fundadores también ven esto como un paso hacia la capacidad de crear anticuerpos que puedan unirse a múltiples objetivos a la vez, no solo a uno, creando terapias más complejas y precisas. “La mayoría de los anticuerpos sólo bloquean unos pocos objetivos. La última tecnología bloquea dos objetivos”, afirma Meier. “En el futuro modularemos el objetivo de una manera más fuerte”.
El equipo de I+D de Chai ha estado trabajando en los próximos modelos. Chai eventualmente podrá ofrecer a sus clientes compañías farmacéuticas de IA que puedan diseñar pequeñas moléculas y péptidos, aumentando exponencialmente su potencial de mercado, dijo Dolsten.
A medida que los modelos de IA siguen mejorando, las empresas que los construyen compiten para firmar acuerdos con compañías farmacéuticas, mientras los grandes fabricantes de medicamentos los prueban. “Hoy en día existe una conciencia general entre la industria farmacéutica de que esta tecnología funciona”, dijo Dent. “Ya estamos aceptados y estamos en la parte más emocionante de la curva de adopción”.
Con información adicional de Rashi Shrivastava
MÁS QUE FORBES
