Llamada de resultados del T3 2026 de Nautilus Biotechnolgy, Inc. Common Stock

Gracias, Marissa, y gracias a todos por acompañarnos hoy. El trimestre pasado, les expliqué una decisión deliberada de concentrar nuestros recursos en las proteoformas. Este trimestre, quiero hablarles sobre qué son las proteoformas, por qué creemos que representan una de las oportunidades más importantes en las ciencias de la vida y cómo estamos sentando las bases para un crecimiento significativo a largo plazo. Permítanme comenzar con la idea que guía todo lo que hacemos. Estamos haciendo que la biología funcional sea medible. Durante décadas, la proteómica se ha centrado principalmente en decirnos cuánta proteína está presente. Aunque la cantidad de una proteína es información significativa, no es toda la historia. La mayoría de las herramientas actuales no tienen la resolución ni la escala necesarias para medir la gran variedad de modificaciones que determinan la función y que varían entre las moléculas de cada proteína. La espectrometría de masas de tipo shotgun fragmenta las proteínas en péptidos e infiere las proteínas a partir de esos fragmentos.

La mayoría de los ensayos de afinidad estiman las abundancias promedio midiendo un único epítopo de una proteína. En cualquiera de los dos casos, las moléculas de proteína funcionalmente distintas no se diferencian, porque se pierde la información sobre las variantes de empalme, los truncamientos y cuáles modificaciones coexisten en una misma molécula. Esto es importante porque la complejidad de la biología humana no proviene de la cantidad de genes que tenemos. Consideren el banano. Un banano tiene casi 40,000 genes codificantes de proteínas. Como seres humanos, somos claramente más complejos que un banano. En los primeros años del Proyecto Genoma Humano, los científicos esperaban que los seres humanos tuvieran mucho más de 100,000 genes. De hecho, solo tenemos alrededor de 20,000, la mitad que un banano. La realidad es que nuestra complejidad proviene de la capa de biología funcional que se encuentra por encima del genoma y, en particular, de las muchas formas que puede adoptar cada proteína.

Esos genes son simplemente el manual de instrucciones para construir la maquinaria de la vida. Un solo gen puede dar lugar a muchas proteoformas distintas, determinadas por el empalme, la variación de secuencia y las numerosas modificaciones que ocurren después de que se produce una proteína. Cada molécula es una unidad funcional discreta, y su forma determina qué hace, cómo transmite señales, con quién interactúa y dónde se ubica dentro de la célula. La forma específica que adopta una proteína suele determinar qué hace realmente, adónde va, a qué se une, qué vía activa y qué fenotipos termina impulsando. AKT1 es un buen ejemplo. Es un interruptor central en la señalización del cáncer, y que esté activado depende de cuáles sitios están fosforilados simultáneamente en la misma molécula. Dos células pueden tener la misma cantidad de AKT1 y encontrarse en estados de señalización completamente distintos. Tau es otro ejemplo. En la enfermedad de Alzheimer, lo importante no es solo cuánta tau está presente, sino qué formas modificadas se acumulan.

Como antes no era posible medir proteoformas a gran escala, tampoco era posible usar esta información fundamental para comprender la salud y la enfermedad. La resolución de proteoformas proporciona información valiosa y novedosa para el desarrollo de fármacos y la medicina de precisión, y no había estado disponible a gran escala hasta hoy. Desarrollamos Iterative Mapping, el método que impulsa nuestra plataforma Voyager, para cambiar eso. Lee de millones a miles de millones de moléculas de proteínas intactas individuales en una matriz masivamente paralela, lo que permite determinar el estado funcional de cada molécula en lugar de descomponerlas o promediarlas. Cuando se puede observar esa capa de resolución molecular, se obtiene una clase de conocimiento biológico completamente nueva.

Creemos que nadie más puede ofrecer la resolución y la escala que ofrece nuestra plataforma. A eso nos referimos cuando hablamos de hacer medible la biología funcional, y creo que el valor de este enfoque será cada vez más evidente a medida que nuestros datos lleguen a más científicos. Creemos que la resolución de proteoformas a gran escala será una base fundamental para la IA en biomedicina. La industria está empezando a crear grandes conjuntos de datos para entrenar la próxima generación de modelos de IA, y la calidad de esos modelos depende de los datos con los que aprenden. Creemos que los datos de proteoformas altamente reproducibles son precisamente los datos diferenciados que necesitarán para aprender biología funcional. Para acelerar nuestra hoja de ruta de proteoformas, prácticamente triplicamos la cantidad de personas y recursos dedicados a su desarrollo, y nos fijamos la meta de desarrollar 20 ensayos de proteoformas para mediados de 2028.

Ese plan ya está en marcha, y hay dos cosas que me dan confianza en el rumbo que estamos tomando. La primera es el interés que estamos viendo en la comunidad científica. La segunda es la evidencia de que podemos cumplir nuestra hoja de ruta. Permítanme abordar cada una por turno. En cuanto al interés de la comunidad, en el Congreso Mundial de HUPO de este año, el principal encuentro mundial de proteómica organizado por la Organización del Proteoma Humano, las proteoformas fueron un tema tan recurrente que un artículo sobre la conferencia en Chemical & Engineering News se publicó con el titular: "Las proteínas no existen: escenas de HUPO 2026". También organizamos un panel con tres destacados investigadores cuyos laboratorios desarrollan y aplican algunas de las tecnologías de análisis de proteínas más avanzadas del campo.

Invitamos a Birgit Schilling, del Buck Institute for Research on Aging; a Jochen Schwenk, de KTH Royal Institute of Technology; y a Bernd Wollscheid, de ETH Zurich, a responder: «¿Cambiarán las proteoformas nuestra comprensión de la biología?». Quiero compartir algunas de sus perspectivas. La Dra. Schilling lo expresó de forma sencilla: «Creo que las proteoformas son fundamentales en todas partes. Estas proteoformas influyen en la función. Influyen prácticamente en todo lo que hace funcionar a una célula». El Dr. Wollscheid también señaló: «Trabajamos bajo el supuesto, al igual que todos los demás, de que no existen las proteínas, sino solo las proteoformas. Y creo que tenemos la oportunidad no solo de descifrar proteoformas individuales, sino también complejos específicos de proteoformas individuales que tienen relevancia funcional». Cuando preguntamos qué necesitan los clientes, constantemente nos dicen que quieren más proteoformas, más tipos de muestras y más aplicaciones. Un gran ejemplo surgió cuando anunciamos nuestra alianza en el consorcio SEEDS.

SEEDS recibe hasta $51.7 millones de financiamiento de la Advanced Research Projects Agency for Health, o ARPA-H. Esperamos recibir hasta $6 millones durante el programa de cuatro años para aplicar nuestra plataforma Voyager a la tau en la enfermedad de Alzheimer y a EWS-FLI1 en el sarcoma de Ewing, nuestro primer trabajo en cáncer pediátrico. Se espera que los datos ayuden a entrenar modelos de IA con proteínas desordenadas, que los modelos actuales manejan mal. Nuestro trabajo tanto con SEEDS como con la Michael J. Fox Foundation son ejemplos iniciales de una oportunidad más amplia: estudios a gran escala combinados con desarrollo personalizado. A medida que trabajemos más estrechamente con empresas farmacéuticas, esperamos que nuestros socios quieran desarrollar ensayos para sus propios objetivos, además de los que figuran en nuestra lista de precios. Estamos preparados para desarrollar esos ensayos y ayudar a aplicarlos en cohortes grandes. Pasando a la segunda razón por la que confío en nuestro plan: nuestro historial de ejecución temprana.

En HUPO, presentamos los primeros datos de tres de nuestros ensayos de proteoformas oncológicas dirigidos a AKT1, EGFR y P53. Para poner los resultados en contexto, primero volvamos a la tau. Creemos que ofrece algunos de los datos proteómicos más reproducibles y detallados del mundo. Tanto internamente como con nuestros socios del Buck Institute, la plataforma Voyager obtuvo un coeficiente de variación mediano, o CV, de 5.5%. Esa reproducibilidad es lo que hace que nuestros datos sean confiables y escalables, y permite construir IA sobre ellos. Tras aproximadamente un año de desarrollo, AKT1, EGFR y P53 ya están teniendo un desempeño en línea con la tau, nuestro ensayo más maduro, que tomó aproximadamente cinco años desarrollar. Los CV medianos fueron de 8.8% para AKT1, 3.6% para EGFR y 6.6% para P53, todos muy por debajo de nuestro objetivo de 10% y muy por encima de las normas de la industria, que rondan el 25%. Es un resultado extraordinario.

Esto nos indica que nuestra capacidad central se transfiere de un objetivo a otro y nos da confianza en el desarrollo de los tres ensayos y de los que vienen después. En retrospectiva, hemos logrado mucho este año. Lanzamos nuestro Programa de Acceso Anticipado e incorporamos a nuestros primeros clientes de Acceso Anticipado, entre ellos Baylor College of Medicine. The Michael J. Fox Foundation está financiando el desarrollo de un ensayo de proteoformas de alfa-sinucleína para la enfermedad de Parkinson, y ese trabajo está muy avanzado. Reconocimos nuestros primeros ingresos tanto del Programa de Acceso Anticipado como de la subvención de MJFF. En T3, nuestro trabajo sobre proteoformas de tau se publicó en *Nature Methods*, como validación revisada por pares del método de mapeo iterativo, y estuvo acompañado por un artículo de News & Views en el mismo número.

En el comentario de News & Views, Albert Heck, de Utrecht University, escribió que el mapeo iterativo podría ser una plataforma valiosa que incluso podría utilizarse clínicamente para analizar los perfiles de proteoformas de tau, apoyar el diagnóstico y la estratificación de los subtipos de la enfermedad y, potencialmente, incluso evaluar el efecto de la terapia. Puede adaptarse para medir los perfiles de proteoformas de otras proteínas. En una pequeña cohorte analizada en el artículo, el análisis de proteoformas de tau distinguió a las personas con enfermedad de Alzheimer de las personas cognitivamente normales, y la señal más clara provino de proteoformas con hasta cuatro fosforilaciones en la misma molécula, información que una medición de un solo sitio no puede captar. Para completar nuestros logros en lo que va del año, pasamos tres ensayos oncológicos a la etapa de desarrollo y compartimos sus primeros datos. Fuimos seleccionados para participar en SEEDS y seguimos en camino de instalar nuestra primera unidad beta este año.