UC San Diego's open source AI platform revolutionizes multi-target drug discovery

Este artículo destaca el cambio en la investigación farmacéutica hacia herramientas de inteligencia artificial de código abierto, ejemplificado por POLYGON, que identifica moléculas con múltiples dianas terapéuticas. A diferencia de los modelos propietarios de la industria, que a menudo priorizan terapias dirigidas a una sola diana, esta plataforma de código abierto democratiza el acceso a tecnologías avanzadas de descubrimiento de fármacos. Al hacer accesible la tecnología subyacente al público, los investigadores buscan reducir las barreras de entrada y fomentar la innovación tanto en el sector académico como en el privado, asegurando que los beneficios de la ciencia impulsada por la IA no se limiten a las startups de biotecnología bien financiadas. La innovación central radica en la capacidad de POLYGON para generar compuestos químicos originales diseñados para inhibir simultáneamente múltiples proteínas específicas. Esta capacidad aborda el importante desafío de desarrollar fármacos multidiana, que ofrecen la eficacia de las terapias combinadas con potencialmente menos efectos secundarios. Actualmente, estos descubrimientos son escasos y a menudo accidentales debido al alto costo y el tiempo requerido para su desarrollo. Al aprovechar los patrones de aprendizaje automático a partir de vastas bases de datos de moléculas bioactivas, la herramienta puede diseñar predictivamente candidatos que interactúen con redes proteicas complejas, eliminando la casualidad del proceso y acelerando la creación de medicamentos de precisión. La relevancia de los datos abiertos es profunda, ya que la plataforma se basa en entrenar un conjunto de datos amplio y transparente de moléculas bioactivas conocidas para impulsar su poder predictivo. Este enfoque subraya el valor de los datos biológicos de alta calidad y accesibles para avanzar en el descubrimiento científico. Si bien la experiencia humana sigue siendo esencial para refinar estos candidatos generados por IA en tratamientos viables, la naturaleza de código abierto de la herramienta acorta el proceso de descubrimiento. Este modelo demuestra cómo compartir datos y algoritmos puede mejorar la colaboración, reducir la redundancia y, en última instancia, acelerar el camino desde el diseño molecular hasta la aplicación clínica en el tratamiento del cáncer y más allá.

Fuente: news-medical.net
Publicado el 2024-05-07

Noticias relacionadas

« Un Mapa 3D de ciudades con edificios y monumentos de todo el mundo sobre los datos abiertos de OpenStreetMap

Romanian Government approved the Law on open data and reuse of public sector information, initiated by ADR and MCID »