Un algoritmo de aprendizaje automático aplicado al descubrimiento de fármacos
Ampliar

Un algoritmo de aprendizaje automático aplicado al descubrimiento de fármacos

jueves 14 de noviembre de 2019, 09:00h

google+

linkedin

Comentar

WhatsApp

  • Compartir en Meneame
Los investigadores de la Universidad de Cambridge han conseguido diseñar fármacos con un algoritmo de aprendizaje automático. Este predice el resultado de las reacciones químicas con mayor precisión que los químicos entrenados y sugiere formas de hacer moléculas complejas, eliminando un obstáculo significativo en el descubrimiento de fármacos.

El algoritmo muestra a los químicos cómo hacer compuestos objetivos, otorgándoles el ‘mapa’ químico al destino deseado. El equipo de científicos de la Universidad de Cambridge ha demostrado que un algoritmo puede predecir los resultados de reacciones químicas complejas con más del 90% de precisión, superando así a los químicos entrenados. Los resultados se presentan en dos estudios en las revistas ACS Central Science and Chemical Communications.

“La fabricación de moléculas a menudo se describe como un arte realizado con experimentación de prueba y error porque nuestra comprensión de la reactividad química está lejos de ser completa”, apunta el Dr. Alpha Lee del Laboratorio Cavendish de Cambridge.

Asimismo, Lee afirmó que “los algoritmos de aprendizaje automático pueden tener una mejor comprensión de la química porque destilan patrones de reactividad de millones de reacciones químicas publicadas, algo que un químico no puede hacer”.

Por su parte, según el medio The New Now este algoritmo emplea herramientas de reconocimiento de patrones con el objetivo de reconocer cómo reaccionan los grupos químicos en las moléculas, al entrenar el modelo en millones de reacciones publicadas en patentes.

Patrones en el texto para aprender a traducir

Los investigadores consideraron la predicción de la reacción química como un problema de traducción automática. Las moléculas que reaccionan se consideran como un ‘lenguaje’, mientras que el producto se considera como un idioma diferente. El modelo emplea los patrones en el texto para aprender a ‘traducir’ entre los dos idiomas.

“Los algoritmos de aprendizaje automático pueden tener una mejor comprensión de la química”.

De esta manera, el modelo logra una precisión del 90% en la predicción del producto correcto de reacciones químicas invisibles. Por otra parte, la precisión de los químicos humanos capacitados es de alrededor del 80%. Igualmente, también produce una puntuación de incertidumbre, que elimina las predicciones incorrectas con un 89% de precisión.

Descubrimiento de fármacos

En el segundo estudio, el equipo de investigadores junto con la compañía biofarmacéutica Pfizer demostró el potencial práctico del método en el descubrimiento de fármacos. Este modelo es capaz de hacer predicciones precisas de reacciones basadas en cuadernos de laboratorio, lo que demuestra que el modelo ha aprendido las reglas de la química y puede aplicarlo a la configuración de descubrimiento de fármacos.

Por ende, los investigadores señalaron que el modelo puede predecir secuencias de reacciones que conducirían al producto deseado. “Nuestra plataforma es como un GPS para la química. Informa a los químicos si una reacción es ir o no, y cómo navegar por las rutas de reacción para hacer una nueva molécula”, señaló Lee.

Por último, los científicos de Cambridge están usando esta tecnología de predicción de reacciones para el desarrollo de una plataforma completa que une el ciclo diseño-prueba-prueba en el descubrimiento de fármacos y de materiales. Estos predicen moléculas bioactivas prometedoras, formas de hacer esas moléculas orgánicas complejas y seleccionan los experimentos que son más informativos.

¿Te ha parecido interesante esta noticia?    Si (0)    No(0)
  • Compartir en Meneame

+

0 comentarios