Potential Sciences surge para acelerar medicamentos usando simulação

A startup britânica Potential Sciences anunciou seu lançamento em 5 de novembro de 2026 com o objetivo de acelerar a identificação de fármacos direcionados a doenças específicas. De acordo com informações da empresa divulgadas pela Wired, a nova companhia recebeu financiamento inicial na casa de dezenas de milhões de dólares de investidores como a Twin Path Ventures e o SovAI, o fundo de capital de risco em inteligência artificial do governo do Reino Unido. Os fundadores não revelaram o valor exato captado nem a avaliação de mercado da empresa.

A proposta da Potential Sciences é contornar o uso exclusivo de testes laboratoriais tradicionais na fase inicial de descoberta de compostos, criando grandes conjuntos de dados químicos construídos a partir de princípios fundamentais da física. A empresa afirma que pretende simular interações entre átomos, pequenas moléculas, aminoácidos complexos e proteínas. Com essas informações sintéticas, a startup projeta treinar modelos de inteligência artificial e sistemas de predição capazes de avaliar como as moléculas interagirão com a biologia humana.

“Queremos que moléculas que nunca funcionariam na clínica falhem rapidamente”, declarou Hatem Helal, fundador e CEO da Potential Sciences, em entrevista à Wired. “Isso significa ter preditores melhores de como elas se comportarão ao interagir com a biologia humana.”

Uso de dados sintéticos baseados em física

Atualmente, grande parte dos laboratórios de desenvolvimento de fármacos baseados em IA treina seus modelos sobre um banco de dados público de estruturas atômicas tridimensionais chamado Protein Data Bank, expandido ao longo de décadas com dados experimentais. Segundo a avaliação de Helal apresentada à Wired, o volume de informações dessa base pública é insuficiente para treinar modelos de IA avançados o bastante para acelerar o processo de busca de forma confiável.

O executivo sustenta que existem cerca de 1060 formas possíveis de organizar átomos no universo em moléculas potencialmente aplicáveis ao corpo humano. Para abordar esse desafio de busca, a Potential Sciences busca construir dados sintéticos por meio do cálculo de simulações químicas em larga escala. A teoria da empresa é que, ao utilizar volumes de dados muito maiores que os disponíveis em bases experimentais públicas, será possível treinar sistemas de previsão com maior capacidade técnica.

Apoio estatal e concorrência no mercado

A entrada do SovAI no capital da Potential Sciences coloca a startup ao lado de outras companhias britânicas do ecossistema de biotecnologia e materiais que receberam investimentos do fundo estatal, como a Basecamp Research, a Isomorphic Labs e a CuspAI. O governo britânico criou o SovAI no início do ano com um fundo total de cerca de US$ 800 milhões e a atribuição de investir em empresas locais capazes de integrar a cadeia global de suprimentos de IA. Como parte da cooperação, o fundo pode conceder às empresas de seu portfólio acesso ao supercomputador nacional de IA do Reino Unido.

Joséphine Kant, chefe de investimentos do SovAI e que passou a integrar o conselho da Potential Sciences, afirmou à Wired que abordar a descoberta de medicamentos pela perspectiva da física aplicada à química diferencia a startup de outros concorrentes. Segundo ela, a infraestrutura computacional fornecida permitirá que a empresa realize trabalhos em uma escala de processamento difícil de ser obtida por uma startup pequena sem apoio estatal.

Apesar do apoio financeiro e de computação, a Potential Sciences atua em um mercado com concorrência acirrada entre diferentes grupos de pesquisadores e empresas que tentam resolver os gargalos de desenvolvimento por caminhos distintos. A empresa também relatou à reportagem que ainda não definiu a estratégia para gerar receita com as tecnologias desenvolvidas nem decidiu se disponibilizará seus modelos abertamente, citando ressalvas sobre o risco de uso indevido para a criação de substâncias tóxicas.

Limitações técnicas e desafios operacionais

Especialistas acadêmicos ouvidos pela Wired destacam que a capacidade de prever com precisão a ligação entre moléculas e proteínas relacionadas a doenças exigirá avanços expressivos. Alan Fersht, professor emérito de química na Universidade de Cambridge especializado em engenharia de proteínas, avaliou que a capacidade de calcular com precisão as interações moleculares na célula permitiria prever o comportamento de compostos, o que transformaria o setor, mostrando-se otimista de que isso eventualmente ocorra.

Por outro lado, Peter Wolynes, professor de química na Universidade de Rice, ressaltou limites no estágio atual da engenharia de proteínas, afirmando que a prática ainda está em patamares iniciais. O professor pontuou também que a aceleração no projeto inicial de uma molécula não elimina os prazos e os custos exigidos para testes clínicos de segurança e eficácia em organismos vivos.

“O custo de projetar um medicamento não é nada comparado a descobrir o que ele fará em camundongos, em pacientes realmente doentes ou em pessoas saudáveis”, declarou Wolynes à Wired, argumentando que o projeto estrutural inicial da molécula não é o fator principal que limita o tempo total de desenvolvimento de tratamentos.