Arrancamos una sección nueva en PuntoDeSpawn: Biotecnología. La idea no es cubrir biología a secas, sino la parte que más nos toca de cerca como sitio de tecnología: cómo la inteligencia artificial está metiéndose de lleno en el descubrimiento de fármacos, la edición genética y el diseño de proteínas, y qué significa eso para la vida real. Para arrancar, no hay mejor ejemplo que lo que publicó Insilico Medicine la semana pasada.
Qué es rentosertib y por qué es distinto
Insilico Medicine es una biotech (cotiza en la bolsa de Hong Kong) que desarrolla fármacos con IA generativa de punta a punta. Su droga más avanzada, rentosertib (también conocida como ISM001-055), tiene un título poco común: es el primer fármaco de la historia en el que tanto el target biológico como la molécula que lo ataca fueron encontrados por IA. Nada de reciclar genéricos conocidos como la rapamicina o la metformina, que es lo que suele pasar en investigación de longevidad. Acá el objetivo, una proteína llamada TNIK, lo identificó la plataforma de descubrimiento de Insilico como un gen vinculado a seis de los llamados "hallmarks" del envejecimiento, y la molécula que la inhibe la diseñó su motor de química generativa, Chemistry42.
Rentosertib se desarrolló originalmente para la fibrosis pulmonar idiopática (FPI), una enfermedad crónica que cicatriza los pulmones de forma progresiva e irreversible, con una sobrevida media de apenas 3 a 4 años tras el diagnóstico. En su ensayo de Fase IIa ya había mostrado resultados prometedores: los pacientes que tomaron 60 mg por día mejoraron su capacidad pulmonar (FVC) en +98,4 mL en promedio, contra una caída de -20,3 mL en el grupo placebo.
Lo nuevo: seis relojes de edad biológica, un mismo resultado
Lo que se publicó el 7 de septiembre en Nature Biotechnology —y se presentó al día siguiente en una conferencia de Nature en la Sorbona, en París— es otra cosa: un grupo internacional de Harvard, Stanford, el Broad Institute, Oxford y universidades chinas tomó los datos de proteómica del mismo ensayo de FPI y les aplicó seis "relojes de edad biológica" desarrollados de forma completamente independiente entre sí (ProtAge, OrganAge, PAC, ipfP3GPT y PAOPAC, entre otros). Estos modelos estiman qué tan "vieja" es una persona a nivel molecular analizando miles de proteínas en sangre, sin depender de la edad que figura en el documento.
Los seis coincidieron: los pacientes tratados con rentosertib mostraron una reducción de su edad biológica estimada. El efecto máximo se vio en la semana 4, en el grupo que tomó 30 mg dos veces al día, con una reversión de entre 3 y 4 años según la mayoría de los relojes, y hasta 6 años según uno de ellos. Interesante además: la dosis que más mejoró la función pulmonar no fue la misma que más redujo la edad biológica, lo que sugiere que el efecto "antienvejecimiento" no es simplemente una consecuencia de que el pulmón mejoró — parece un mecanismo aparte.
El asterisco que hay que leer
Antes de que esto suene a fuente de la eterna juventud, vale la pena ser precisos con lo que el estudio muestra y lo que no. Es un ensayo de apenas 42 pacientes, con una ventana de observación de solo 12 semanas, y lo que se midió fueron marcadores en proteínas — no que los pacientes se sintieran o funcionaran objetivamente más jóvenes. Michael Levitt, premio Nobel de Química 2013, lo resumió así en el paper: "seis relojes proteómicos de seis grupos independientes, aplicados a los mismos 42 pacientes, reportaron todos una edad biológica más joven en los brazos tratados. Lo que me convence no es el tamaño del efecto, sino el acuerdo entre modelos que no comparten ni las variables ni los datos de entrenamiento. Pero este ensayo todavía no puede separar un envejecimiento más lento de un pulmón simplemente tratado — y los propios autores lo dicen con claridad. El experimento en voluntarios sanos es el que quiero ver a continuación."
Dicho eso, el fármaco ya avanzó a ensayos de Fase III para FPI en China, y el marco metodológico que proponen —meter biomarcadores de envejecimiento como variable exploratoria dentro de ensayos clínicos de enfermedades "normales"— es en sí mismo una novedad: podría acelerar años (o décadas) la manera en que se descubren fármacos geroprotectores, en vez de esperar a reposicionar drogas ya aprobadas para otra cosa.
El negocio detrás
Este no es un experimento aislado de un laboratorio chico. Insilico reportó ingresos de unos USD 106 millones en el primer semestre de 2026 (+287% interanual), su primer semestre rentable desde que salió a bolsa, con acuerdos firmados este año por un valor total de contrato de aproximadamente USD 7.300 millones con farmacéuticas como Eli Lilly, Takeda y Servier. En lo que va de 2026 nominó nueve candidatos a droga en nueve meses, un récord para la compañía.
Es una muestra bastante clara de hacia dónde va una parte grande de la industria farmacéutica: no reemplazar al biólogo por una IA, sino usar modelos generativos para recorrer en meses caminos de descubrimiento que históricamente tomaban años. En las próximas semanas vamos a estar cubriendo en esta sección otros frentes de esa misma carrera — desde modelos abiertos de diseño de proteínas hasta la pelea por quién controla los modelos de IA más potentes para biología. Si te interesa la intersección entre IA y biotecnología, este es el lugar para volver.