Cuando el Premio Nobel de Química Michael Levitt conoció a su esposa hace dos años, no sabía que esto llevaría a una maravillosa amistad con un joven científico israelí. Cuando el científico israelí Shahar Barbash decidió fundar una empresa con el objetivo de reducir el tiempo necesario para desarrollar nuevos medicamentos, no sabía que la boda de una amiga le ayudaría a conseguir una reunión con un hombre que muchos quieren conocer, pero pocos lo hacen. Pero la esposa de Levitt es una vieja amiga de los padres de Barbash, y el resto, como dicen, es historia.
Una de las alegrías de ser un viejo científico es animar a los jóvenes extraordinarios, dijo Levitt, biofísico estadounidense, británico e israelí y profesor de la Universidad de Stanford desde 1987, en una entrevista reciente con Calcalist. Podría haber conocido a Barbash porque su esposa conocía a su familia, pero eso no es suficiente para que haga negocios con alguien, dijo Levitt. “Me uní porque su visión me excitaba, aunque pensé que sería muy difícil de realizar”.
Levitt, de 72 años, y Barbash, de 37, se conocieron por primera vez el año pasado. Fue durante esa reunión que Levitt, después de escuchar la idea de Barbash, le dijo que se pusiera a trabajar. “Veremos qué sale de ello”, dijo. Hace tres meses, Levitt vino a Nueva York para reunirse con Barbash de nuevo. En sus propias palabras, quedó aturdido por el progreso de Barbash.
“Aconsejo a muchas compañías”, dijo Levitt. Pero la startup de Barbash, Quantified Biology, logró resultados “increíblemente asombrosos” en un plazo muy corto. “No solo tiene un software brillante, sino que ha tenido clientes serios desde el principio”, dijo.
Ese momento de sorpresa fue inspirado por la creación de Barbash, un software ligero que puede ser instalado en una computadora personal, capaz de acortar dramáticamente el tiempo que los científicos necesitan para analizar las células y las imágenes de los tejidos. “Los equipos de investigación utilizan bases de datos muy grandes y plantean una pregunta específica que la base de datos puede responder”, dijo Barbash a Calcalist. “Para obtener esa respuesta, utilizan programas de procesamiento genéricos. Pero hay dos problemas: estos programas son masivos y difíciles de operar, y son muy inflexibles, lo que significa que no pueden responder a todas las preguntas. Los investigadores a menudo ajustan sus preguntas de investigación para ajustarse a los programas”.
Los algoritmos de la Quantified Biology pueden precisar en cada imagen la información específica que se necesita, explicó Barbash. Los programadores pueden escribir un gran algoritmo, pero cuando un biólogo computacional escribe un programa para un investigador y ambas personas hablan el mismo idioma, el resultado es en un nivel diferente, agregó. “He estudiado neurociencia y me ayuda a entender cómo el ojo humano percibe las imágenes. Sé lo que el investigador ve y puede traducir eso en un algoritmo. Cada línea de nuestro código puede ser explicada, y por lo tanto corregida”.
Hay ciertas células en el cerebro que permiten la comunicación eléctrica entre neuronas, dijo Barbash, ofreciendo un ejemplo. Si esas células dejan de funcionar, las señales neurales no serán lo suficientemente fuertes para permitir los procesos cognitivos. “Las compañías farmacéuticas invierten mucho en comprender por qué esas células dejan de funcionar”, dijo. Ahí es donde entra en juego el software de Quantified Biology. Un investigador puede observar una imagen de esas células y puntuarlas entre una y diez, dependiendo de su función. Luego Barbash y su equipo crean un código para cada partitura que puede ser usado para el análisis de imágenes.
Aunque los programas existentes ya pueden aplicar a una imagen y puntuar cada celda de acuerdo con la misma escala, los investigadores no tienen forma de saber cómo el programa llegó a sus conclusiones, señaló Barbash. “Es una caja negra. Para entenderlo, es necesario realizar más investigaciones. Pero nuestro programa le da respuestas precisas de una sola vez”. En el aprendizaje automático, por ejemplo, dijo Barbash, se puede introducir un modelo con 1.000 imágenes de tejido sano y otras 1.000 de tejido no sano. Después de un proceso de aprendizaje, puede analizar nuevas imágenes y decirle al investigador si están sanas o no, pero no hay manera de entender qué elemento exacto de cada imagen hizo que el modelo decidiera cómo clasificarlas.
“Nuestro programa puede explicar su proceso porque escucha a los investigadores”, dijo Barbash.
Uno de los clientes de Barbash trabajó con microglia, un tipo de célula macrófaga que actúa como la primera línea de defensa inmunológica activa en el cerebro. Se encargan de eliminar material tóxico como las placas, que son depósitos de fragmentos de proteínas que se acumulan entre las neuronas. “Una pregunta importante en la investigación de las enfermedades neurodegenerativas es por qué las microglia no arreglan los daños causados por la enfermedad”, aseguró Barbash. “Muchos investigadores están tratando de entender lo que les sucede a esas células; por ejemplo, si se comportan de manera diferente en distintas áreas del cerebro”, dijo. Como parte del proceso de investigación, esas células son bombardeadas con cientos de miles de moléculas. Los investigadores pueden identificar las células y la placa que las dañan, y Quantified Biology puede cuantificar la función de las células.
“El software actual requiere capacitación mediante la introducción de grandes cantidades de datos recopilados por los investigadores durante mucho tiempo”, dijo Barbash. “La primera investigadora con la que trabajamos necesitó seis meses para analizar un conjunto de datos, y nuestro software le proporcionó respuestas en un día. Puede reducir su tiempo de investigación de años a días. La principal diferencia es que damos respuestas específicas a las preguntas”.
La diferencia entre el software disponible hoy en día en el mercado y el software específico de Quantified Biology es también lo que sorprendió a Levitt. Hoy en día, tales programas pueden recordar con precisión la información ingresada, pero no aprenden de ella, dijo. “En muchos experimentos, hay muchos objetos que son muy difíciles de reconocer, diferentes tipos de células, células en movimiento, células muertas”. Barbash, dijo, se dio cuenta de que las matemáticas pueden utilizarse para simplificar la identificación de objetos ambiguos.
“Digamos que usted está trabajando en una droga que está destinada a matar células específicas”, dijo Levitt. “Lo pruebas en un portaobjetos bajo el microscopio y ves cómo reaccionan las células. El software de Shahar (Barbash) escanea las células y las clasifica de forma rápida y precisa. Es un atajo muy significativo. Es un enfoque diferente”, explicó. “Es más importante trabajar en problemas precisos a los que se enfrentan sus clientes que buscar un algoritmo que lo resuelva todo, porque no existe tal cosa”.
Mirando los primeros años de vida de Barbash, su trayectoria no está clara. Su padre es el director de cine y televisión israelí Uri Barbash, nominado al Oscar. De adolescente, Barbash asistió a Thelma Yellin, una escuela secundaria de arte muy conocida en Israel, tocó la batería y trabajó en los platós de cine de su padre. Pero en el undécimo grado abrió un libro de física y se dio cuenta de que había una manera sencilla de calcular cuándo y con qué fuerza caerá una pelota lanzada al aire. “Comprendí que todo se puede explicar y resolver con matemáticas”, dijo.
Barbash obtuvo su doctorado en neurobiología computacional en el Centro Edmond and Lily Safra para Ciencias del Cerebro de la Universidad Hebrea de Jerusalén. Hace cuatro años, llegó a Nueva York para un postdoctorado en la Universidad Rockefeller, y participó en un proyecto de Teva Pharmaceutical Industries, cuyo objetivo era acortar el tiempo de desarrollo de fármacos para enfermedades neurodegenerativas. Soñaba con encontrar una cura para la enfermedad de Alzheimer, una enfermedad que padecía su abuelo.
“Encontramos más conexiones entre los componentes de la enfermedad, encontramos conexiones entre el Alzheimer y otras enfermedades”, señaló Barbash. “La gente entiende la palabra ‘cura’ como algo que funciona o no funciona. Pero durante mis tres años en el proyecto de Teva aprendí que el proceso es sisífico. Está plagada de fracasos, y requiere una cantidad de trabajo que es casi inhumano y no puede ser realizado por instituciones académicas, solo por compañías farmacéuticas. En un instituto académico se encuentra una conexión y se estudia durante tres años, pero la idea de cómo convertirlo en una droga está en segundo plano”.
Es por eso que tomó la decisión de dejar la academia y convertirse en empresario, dijo. “Quiero hacer algo, cualquier cosa, que cambie la situación de los productos farmacéuticos neurológicos, porque están a años luz detrás de cualquier otro dominio”.
Las compañías farmacéuticas están haciendo todo lo posible para encontrar algo que pueda mitigar los síntomas de las enfermedades degenerativas, porque hay mucha investigación fallida, señaló Barbash. Se necesitan herramientas más sofisticadas para analizar la investigación relacionada con el cerebro. Tiene lugar a nivel microscópico. Si no se puede identificar adecuadamente el cambio que ocurre en las células, no se podrá identificar una molécula que podría ser la base para un medicamento exitoso, dijo.
Los microscopios de hoy en día son lo suficientemente buenos como para crear terabits de información excelente, dijo Barbash, lo que significa que el cuello de botella ya no es la recolección de datos, sino el análisis de datos. Y ese cuello de botella exacto es lo que Quantified Biology quiere abordar.
Quantified Biology emplea actualmente a dos personas además de Barbash, el CEO. No tiene grandes inversores. Pero ya tiene varios clientes importantes, gracias a Runway, un programa de postdoctorado inicial operado por Cornell Tech, una empresa conjunta con sede en Nueva York entre la Universidad de Cornell y la universidad de investigación israelí Technion Israel Institute of Technology. Sólo cuatro postdoctorados son elegidos cada año para el programa, con una inversión de 277.000 dólares a cambio de una participación del seis por ciento, y también tutoría legal y de negocios.
“Pasé por 10 entrevistas”, dijo Barbash. “Fue fatigoso, pero valió la pena. Somos una compañía con fines de lucro, apoyada por una organización sin fines de lucro”.
Barbash es un ejemplo clásico de la necesidad de encontrar una nueva forma de ayudar a los científicos a convertirse en empresarios, dijo Fernando Gómez-Baquero, ingeniero y empresario de nanomateriales y director de Runway, que también forma parte de la junta directiva de Quantified Biology junto con Levitt. “Es otro científico brillante que tuvo una idea que responde a una necesidad real, pero la universidad no tenía forma de ayudarlo”.
El primer cliente de Quantified Biology fue uno de los mayores actores del sector: la empresa farmacéutica Roche. “Tenía muchas imágenes, tenía una pregunta, y no podía alcanzar una respuesta”. Barbash creó un software especializado para ella en una semana. Después de recibir el software, la investigadora les habló a sus colegas sobre Barbash, solidificando la reputación de la compañía y creando el impulso para ello.
“Fue entonces cuando comprendimos que teníamos algo bueno en marcha, y nos detuvimos para hacerlo bien, firmar un contrato, registrar una patente”, dijo Barbash.
El software personalizado de Quantified Biology cuesta entre $50.000 y $150.000 durante el primer año, con la opción de extender la licencia por otros $20.000 a $50.000. No está buscando una salida, dijo Barbash, aunque no descarta la posibilidad de que en algún momento la puesta en marcha sea adquirida por una empresa dispuesta a dejar que el equipo siga siendo una entidad independiente.
“Quiero que nuestro software ayude a crear medicamentos más eficientes para los trastornos neurológicos”, dijo Barbash. “No solo condiciones degenerativas, sino esquizofrenia y trastorno bipolar. El cerebro es mi mayor amor, y si podemos ofrecer un rayo de esperanza, ese será mi santo grial”.