A descoberta de medicamentos, a arte de identificar novas moléculas para desenvolver produtos farmacêuticos, é um processo notoriamente demorado e difícil. As técnicas tradicionais, como a triagem de alto rendimento, oferecem uma abordagem dispendiosa e dispersa, que nem sempre é bem-sucedida. No entanto, uma nova geração de empresas de biotecnologia está a aproveitar a IA e tecnologias de dados avançadas numa tentativa de acelerar e agilizar o processo.
Chai Discovery, uma startup de IA fundada em 2024, é uma dessas empresas. Em pouco mais de 12 meses, os seus jovens cofundadores conseguiram angariar centenas de milhões de dólares e reunir o apoio de alguns dos investidores mais influentes de Silicon Valley, tornando-a numa das empresas mais vistosas numa indústria em crescimento. Em dezembro, a empresa concluiu sua série B, trazendo US$ 130 milhões adicionais e uma avaliação de US$ 1,3 bilhão.
Na última sexta-feira, Chai também anunciou uma parceria com a Eli Lilly, acordo em que a gigante farmacêutica utilizará o software da startup para ajudar no desenvolvimento de novos medicamentos. O algoritmo de Chai, chamado Chai-2, foi projetado para desenvolver anticorpos – as proteínas necessárias para combater doenças. A startup disse que espera servir como uma espécie de “suíte de design auxiliado por computador” para moléculas.
É um momento crítico para a área específica de Chai. O acordo da startup foi anunciado pouco antes da Eli Lilly anunciar que também colaboraria com a NVIDIA em uma parceria de US$ 1 bilhão para criar um laboratório de descoberta de medicamentos de IA em São Francisco. Este “laboratório de co-inovação”, como é chamado, combinará big data, recursos computacionais e conhecimentos científicos, tudo numa tentativa de acelerar a velocidade do desenvolvimento de novos medicamentos.
A indústria não está isenta de detratores. Alguns veteranos da indústria parecem sentir que – dada a dificuldade do desenvolvimento de medicamentos tradicionais – é pouco provável que estas novas tecnologias tenham um grande impacto. No entanto, para cada opositor, parece haver o mesmo número de crentes.
Elena Viboch, diretora administrativa da General Catalyst – uma das principais apoiadoras de Chai – disse ao TechCrunch que sua empresa está confiante de que as empresas que adotarem os serviços da startup verão resultados. “Acreditamos que as empresas biofarmacêuticas que fizerem parcerias mais rapidamente com empresas como a Chai serão as primeiras a colocar moléculas na clínica e a fabricar medicamentos importantes”, disse Viboch. “Na prática, isso significa estabelecer parcerias em 2026 e, até ao final de 2027, ver medicamentos de primeira classe entrarem em ensaios clínicos.”
Aliza Apple, chefe do programa TuneLab da Lilly – que usa IA e aprendizado de máquina para avançar na descoberta de medicamentos – também expressou confiança no produto de Chai. “Ao combinar os modelos de design generativo de Chai com a profunda experiência biológica e dados proprietários da Lilly, pretendemos expandir a fronteira de como a IA pode projetar moléculas melhores desde o início, com o objetivo final de ajudar a acelerar o desenvolvimento de medicamentos inovadores para os pacientes”, disse ela.
Evento Techcrunch
São Francisco
|
13 a 15 de outubro de 2026
Chai pode ter sido fundada há menos de dois anos, mas as origens da startup começaram há cerca de seis anos, em meio a conversas entre seus cofundadores e o CEO da OpenAI, Sam Altman. Um desses fundadores, Josh Meier, trabalhou anteriormente para a OpenAI em 2018 em sua equipe de pesquisa e engenharia. Depois de deixar a empresa, Altman enviou uma mensagem ao antigo amigo de faculdade de Meier, Jack Dent, para perguntar sobre uma potencial oportunidade de negócio. Meier e Dent se conheceram originalmente em aulas de ciência da computação em Harvard, mas, na época, Dent era engenheiro da Stripe (outra empresa da qual Altman foi um dos primeiros patrocinadores). Altman perguntou se ele achava que Meier estaria aberto a colaborar em uma startup de proteômica – ou seja, uma empresa focada no estudo de proteínas.
Altman “me enviou uma mensagem dizendo que todos na OpenAI o tinham em alta conta e perguntaram se eu achava que ele estaria aberto a trabalhar com eles em um spin-out proteômico”, disse Dent. Dent disse a Altman “é claro”, mas havia apenas um problema: Meier ainda não sentia que a tecnologia estava “lá”. A tecnologia de IA por trás dessas empresas – que utilizam algoritmos poderosos – ainda era um campo em crescimento e longe de onde deveria estar.
Meier também estava decidido a ingressar na equipe de pesquisa e engenharia do Facebook, que é o que ele faria. No Facebook, Meier ajudou a desenvolver o ESM1, o primeiro modelo de linguagem de proteína transformadora – um importante precursor do trabalho que Chai está fazendo atualmente. Após a passagem de Meier no Facebook, ele passaria três anos na Absci, outra empresa de biotecnologia de IA baseada na criação de medicamentos.
Em 2024, Meier e Dent finalmente se sentiram preparados para enfrentar a empresa de proteômica que haviam discutido originalmente com Altman. “Josh e eu entramos em contato com Sam e dissemos que deveríamos continuar a conversa de onde paramos – e que estávamos começando o Chai juntos”, disse Dent.
A OpenAI acabou se tornando um dos primeiros investidores iniciais de Chai. Na verdade, Meier e Dent fundaram a Chai – junto com seus cofundadores, Matthew McPartlon e Jacques Boitreaud – enquanto trabalhavam nos escritórios da gigante de IA no bairro de Mission, em São Francisco. “Eles tiveram a gentileza de nos ceder algum espaço de escritório”, revelou Dent.
Agora, pouco mais de um ano depois, enquanto Chai se deleita com o brilho de sua recém-descoberta parceria com a Eli Lilly, Dent diz que a chave para o rápido crescimento da empresa tem sido reunir uma equipe de pessoas extremamente talentosas. “Nós realmente abaixamos a cabeça e ultrapassamos os limites do que esses modelos são capazes”, disse Dent. “Cada linha de código em nossa base de código é desenvolvida internamente. Não estamos retirando LLMs da prateleira que estão no código aberto (ecossistema) e ajustando-os. Essas são arquiteturas altamente personalizadas.”
Viboch, do General Catalyst, disse ao TechCrunch que sentia que Chai estava pronto para começar a trabalhar. “Não existem barreiras fundamentais à implantação destes modelos na descoberta de medicamentos”, disse ela. “As empresas ainda precisarão submeter candidatos a medicamentos a testes e ensaios clínicos, mas acreditamos que haverá vantagens significativas para aqueles que adotarem essas tecnologias – não apenas na redução dos prazos de descoberta, mas também no desbloqueio de classes de medicamentos que historicamente têm sido difíceis de desenvolver.”
