Un sistema de inteligencia artificial desarrollado por AIPher Technology y el Institute for AI Industry Research de la Universidad de Tsinghua logró completar flujos de trabajo autónomos de descubrimiento de fármacos, desde un objetivo de investigación inicial hasta la entrega de candidatos moleculares listos para pruebas experimentales. La plataforma, denominada PharmAgents2, integra una base de conocimiento de decisiones científicas construida a partir de experiencia experta y de literatura publicada mediante el marco Paper2Skill, que destila estudios metodológicamente relacionados para capturar la conexión entre objetivos, elecciones metodológicas y las condiciones en que resultan apropiadas.
Para organizar la exploración en un espacio de investigación amplio, el sistema emplea el marco Self-Scaling Discovery, que estructura el problema en preguntas focalizadas y coordina agentes paralelos que heredan el contexto y las capacidades de decisión. Los hallazgos se integran para actualizar prioridades y guiar rondas posteriores. En tres escenarios reales, PharmAgents2 generó descubrimientos que fueron validados en experimentos de laboratorio ejecutados por humanos: para la diana antibacteriana LpxH, hipotetizó un sitio alostérico no reportado previamente y identificó el andamio AIPher-L1 con actividad inhibitoria confirmada; para JAK1, priorizó una estrategia de inhibición covalente y nominó compuestos con actividad demostrada, incluido AIPher-J1; y para la molécula bioactiva AIPher-X, exploró 2,607 proteínas y confirmó un nuevo blanco de unión con una constante de disociación de 4.64 μM.
En corto: El equipo también presentó PharmAgents-Bench v0.1, un conjunto de 121 preguntas en nueve escenarios de decisión y tres tareas de descubrimiento evaluadas con rúbricas expertas, en el que PharmAgents2 superó a las líneas base evaluadas en la mayoría de las categorías y obtuvo los puntajes de proceso más altos en las tres tareas de extremo a extremo.