Insitro

Evaluación Arquitectónica de la Plataforma TherML™ de Insitro

La arquitectura de Insitro se define por su plataforma integral TherML™, que industrializa la transición desde el conocimiento biológico hasta candidatos terapéuticos listos para la clínica. A enero de 2026, el sistema ha alcanzado un estado agnóstico a la modalidad, integrando IA informada por física procedente de la adquisición de CombinAbleAI para diseñar biológicos complejos junto a las ya establecidas líneas de moléculas pequeñas y oligonucleótidos 📑. La arquitectura se basa en el principio de Biología Causal, empleando aprendizaje automático para identificar perturbaciones genéticas que impulsan fenotipos relevantes para enfermedades en conjuntos de datos masivos y propietarios 📑.

Motor Computacional y de Diseño Central

La plataforma se centra en Modelos de Fundamentos Biológicos (BFMs) que interpretan datos de imagen de alto contenido y multi-ómicos para revelar impulsores de enfermedades 🧠.

• Capa de Diseño TherML™: Optimiza simultáneamente la potencia y la desarrollabilidad (ADMET/PK) mediante sustitutos de dinámica molecular informados por física y Bibliotecas Adaptativas Cuantitativas (QALs) propietarias 📑.
• Motor de Descubrimiento Causal: Interroga datos clínicos humanos y modelos celulares para identificar puntos de intervención genética con la mayor probabilidad de éxito clínico 📑.
• Infraestructura HPC: Aprovecha un clúster de computación masivo equipado con GPUs NVIDIA H100 para ejecutar simulaciones físicas de alta fidelidad y entrenar modelos fundacionales 📑.

⠠⠉⠗⠑⠁⠞⠑⠙⠀⠃⠽⠀⠠⠁⠊⠞⠕⠉⠕⠗⠑⠲⠉⠕⠍

Escenarios Operativos

• Optimización de Anticuerpos: Entrada: Estructura de la proteína diana + secuencia basal de anticuerpo → Proceso: Simulación informada por física mediante más de 100.000 sustitutos de dinámica molecular para predecir flexibilidad y afinidad de unión → Salida: Líder biológico optimizado con puntuaciones de fabricabilidad validadas 📑.
• Validación de Dianas en Bucle Cerrado: Entrada: Hipótesis de modelo causal para ELA → Proceso: Robótica de manipulación de líquidos autónoma ejecuta cribado óptico agrupado (POSH) en neuronas derivadas de iPSC humanas → Salida: Modificadores genéticos confirmados del fenotipo de la enfermedad, listos para optimización con ChemML™ 📑.

Directrices de Evaluación

Los evaluadores técnicos deben verificar las siguientes características arquitectónicas:

• Rendimiento (throughput) Agnóstico a la Modalidad: Medir la latencia involucrada en cambiar el enfoque del motor de diseño entre moléculas pequeñas y biológicos complejos dentro de un mismo programa terapéutico 🧠.
• Precisión Predictiva de ADMET: Las organizaciones deben validar el rendimiento de los modelos ADMET de TherML™ —desarrollados con datos internos y la colaboración con Lilly en 2025— frente a restricciones específicas de cada clase 📑.
• Validación Causal: Verificar el grado de concordancia entre las dianas causales derivadas de ML y los éxitos históricos de ensayos clínicos para vías metabólicas o neurodegenerativas similares 🌑.