Yoneda Labs Asegura $4 Millones en Financiamiento Inicial para Descubrimiento de Medicamentos Impulsado por IA
Yoneda Labs, una startup innovadora respaldada por Y Combinator, ha recaudado $4 millones en financiamiento inicial para potenciar sus esfuerzos en el descubrimiento de medicamentos con IA. La ronda de financiamiento, liderada por Khosla Ventures, también incluyó aportes de 500 Emerging Europe, 468 Capital y Y Combinator. Los fondos se destinarán principalmente a la adquisición de dispositivos de automatización robótica, esenciales para llevar a cabo reacciones químicas en el laboratorio de la empresa, lo que es crucial para generar los datos de entrenamiento que alimentan su modelo de IA.
Fundada por Michal Mgeladze-Arciuch, Daniel Vlasits y Jan Oboril, Yoneda Labs busca desarrollar un modelo de base para la manufactura química. “Nuestra IA ayuda a los químicos en la formulación de nuevos medicamentos al optimizar el proceso de síntesis”, explicó Mgeladze-Arciuch. “Este enfoque acelerará la creación de fármacos, haciéndola más rápida y económica”.
Revolucionando la Manufactura Química con IA
Jon Chu, socio de Khosla Ventures, destacó el potencial transformador de la IA en el sector químico, afirmando: “El aprendizaje automático y la IA generativa ya han avanzado en campos como la ingeniería aeroespacial. La química está lista para una transformación similar, y la estrategia única de Yoneda Labs podría alterar significativamente la manufactura y descubrimiento de medicamentos”.
Simplificando el Proceso de Descubrimiento de Medicamentos
Crear nuevos medicamentos es una tarea compleja, especialmente al sintetizar compuestos mediante la combinación de múltiples moléculas. “Los químicos enfrentan desafíos para facilitar estas reacciones, incluyendo la optimización de temperatura, disolventes y otras condiciones”, señaló Mgeladze-Arciuch. Los métodos tradicionales requieren una extensa prueba y error, pero Yoneda Labs confía en que su modelo de IA puede acelerar este proceso.
En la actualidad, muchos químicos realizan experimentos en laboratorios húmedos sin los beneficios de la automatización o herramientas computacionales. Mediante su avanzado laboratorio húmedo, Yoneda Labs planea desarrollar una solución de IA que optimice una fase crítica del desarrollo de medicamentos, ahorrando tiempo y recursos para las empresas farmacéuticas.
Una Ventaja Competitiva Única
Generalmente, los químicos consultan literatura científica para identificar reacciones pasadas que puedan informar sus experimentos actuales. Mgeladze-Arciuch destacó esto como el estándar de la industria; sin embargo, Yoneda Labs adopta un enfoque diferente al centrarse en generar sus propios datos de entrenamiento de alta calidad en lugar de depender de fuentes externas. “Nuestra prioridad es la calidad sobre la cantidad. Planeamos realizar 200 experimentos diarios utilizando automatización robótica, equivalente a la producción de 20 químicos, para construir un conjunto de datos propietarios para nuestro modelo”, afirmó.
Con aproximadamente 20,000 experimentos necesarios para hacer que su modelo de IA sea comercialmente viable, Yoneda Labs tiene como objetivo alcanzar esta meta para fin de año y posteriormente lanzar su modelo.
Enfocándose en Compuestos de Pequeñas Moléculas
En una industria vasta, Yoneda Labs se concentra en compuestos de pequeñas moléculas, que son particularmente prevalentes en el mercado farmacéutico. “Nuestro objetivo es desarrollar un modelo capaz de generalizar sobre todas las pequeñas moléculas potenciales”, explicó Mgeladze-Arciuch. “Hemos validado nuestros métodos en varias reacciones de clases de química populares, especialmente relevantes para la química medicinal”.
Las pequeñas moléculas representan una parte significativa de los medicamentos comercialmente disponibles, a diferencia de las proteínas más grandes utilizadas en otras terapias.
En última instancia, Yoneda Labs aspira a crear un modelo único y completo que ayude a los químicos a identificar reacciones orgánicas deseadas y condiciones óptimas. Como afirma Mgeladze-Arciuch, “Nuestro objetivo es ser el 'OpenAI de la química', proporcionando a los químicos recetas precisas para elaborar pequeñas moléculas orgánicas siempre que necesiten asistencia”.
Clasificación
