Creative Biolabs ha anunciado una mejora en sus soluciones de proteínas funcionales impulsadas por IA, diseñadas para acelerar el desarrollo de terapias metabólicas de próxima generación. La empresa aborda el desafío computacional de optimizar la afinidad por múltiples dianas mientras mantiene la estabilidad metabólica en agonistas de receptores duales y triples, como las combinaciones GLP-1/GIP/GCGR, que están siendo perseguidas agresivamente por la industria farmacéutica para combatir la obesidad y la diabetes tipo 2.
La optimización iterativa tradicional de péptidos polifarmacológicos requiere mucha mano de obra, a menudo necesitando años de prueba y error para equilibrar las proporciones de activación de múltiples receptores. Creative Biolabs aprovecha algoritmos propietarios de aprendizaje profundo para realizar el diseño computacional de agonistas multirreceptor. Al simular interacciones receptor-ligando en un entorno virtual de alto rendimiento, la plataforma identifica moléculas capaces de activar simultánea y precisamente múltiples vías biológicas relevantes. Este enfoque comprime drásticamente el cronograma desde la identificación del éxito hasta la optimización del candidato, reduciendo los ciclos típicos de investigación a solo 2 a 14 semanas.
Un desafío persistente en la industria es prevenir la rápida degradación enzimática de los fármacos peptídicos in vivo. La infraestructura de IA de Creative Biolabs aborda esto calculando y eliminando sistemáticamente sitios de secuencia vulnerables, diseñando perfiles de acción ultralarga que reducen la frecuencia de dosificación del paciente. Además, la plataforma aborda el dilema de 'basura entra, basura sale' común en los modelos de aprendizaje automático para el descubrimiento de fármacos. Al basarse en el entrenamiento con conjuntos de datos farmacológicos de alta fidelidad, la plataforma predice con precisión las propiedades ADMET (absorción, distribución, metabolismo, excreción y toxicidad) al inicio del proceso, asegurando que las secuencias generadas sean altamente potentes y carezcan de toxicidad grave fuera del objetivo o inmunogenicidad no deseada.
Más allá de los sitios ortoestéricos tradicionales, los reguladores metabólicos de próxima generación requieren una selectividad exquisita para prevenir efectos adversos. La plataforma integra simulaciones de dinámica molecular (MD) para permitir el diseño racional de ligandos dirigidos a bolsas de unión ocultas. Este enfoque de biología estructural permite a los desarrolladores farmacéuticos ajustar la actividad del receptor mediante modulación alostérica precisa, evitando la sobreestimulación de familias de proteínas altamente homólogas y sorteando mecanismos de resistencia.
'Los clientes industriales requieren más que una simple afinidad de unión teórica; exigen moléculas fabricables, altamente estables y con actividad funcional garantizada en ensayos biológicos', declaró el director de biología computacional de Creative Biolabs. 'Nuestros procesos de aprendizaje profundo transforman el diseño de secuencias multirreceptor de un proceso de serendipia a un flujo de trabajo altamente predecible y automatizado'.
Los socios farmacéuticos que utilizan estos procesos de IA propietarios han reportado una reducción significativa en los ciclos de diseño-prueba-aprendizaje. Los primeros usuarios destacan la alta precisión predictiva de la plataforma y la naturaleza integral de los entregables, que cierran la brecha entre las predicciones in silico y el éxito in vitro. Se anima a las empresas de biotecnología y farmacéuticas que desarrollan activos para trastornos metabólicos complejos a implementar estos flujos de trabajo computacionales avanzados. Para más información, visite la plataforma oficial de Creative Biolabs.
