Diseñar fármacos hasta 10.000 veces más rápido que con la química actual: la IA empieza a transformar la industria farmaceútica

Diseñar fármacos hasta 10.000 veces mas veloz que con la química actual: la IA comienza a transformar la empresa farmaceútica

Científicos de la Falcultad Politécnica Federal de Lausanne (EPFL) han inventado un software de machine learning, SwiftML, que acepta predecir como los átomos de las moléculas se mueven cuando aplicamos un campo magnético. Es decir, mediante técnicas de inteligencia artificial han construido un prototipo que acepta predecir la estructura molecular de los cristales de forma mas rápida que con los métodos tradicionales.

La exploración ha sido publicada actualmente en la revista Nature Communications sin embargo no es sino el último paper que ejemplifica una tendencia con cada vez mas fuerza dentro del campo de la química. Una rápida busqueda en la web(www) de la Royal Chemistry Academy muestra más de 2.000 artículos relacionados con el machine learning.

ShiftML es hasta 10.000 veces mas veloz que los métodos tradicionales

El trabajo de laboratorio es muy minucioso sin embargo además en algunos métodos es bastante mecánico. Por ello disponer de un algoritmo que pueda acelerar este proceso es tan interesante. Michele Ceriotti, inventor de la exploración y profesor asistente en EPFL, expone el proceso de la próximo manera: “Incluso para moléculas simples, este prototipo es hasta 10.000 veces mas veloz que los métodos existentes. Y la mejoría se incrementa cuando tratamos compuestos mas complejos.

Para predecir la estructura de los materiales se maneja la Resonancia Nuclear Magnética (NMR), muy común además en medicina. Los átomos oscilan a determinadas frecuencias y esto acepta saber la ubicación y los electrones que contienen. Sin embargo es una técnica que funciona para saber moléculas muy sencilla y no es bastante buena para estructuras mas complejas. Aquí es cuando entra en videojuego la teoría del funcional de la densidad (DFT). Esta segunda técnica maneja química cuántica para saber la densidad de electrones en un área sin embargo solicita de una potencia de cálculo muy alta. ShiftML aplica estas dos teorías para sus cálculos.

¿Dónde encaja el machine learning en esto? Los examinadores lo que han hecho es usar la base de documentos de estructuras de Cambridge, una colección de documentos con las densidades DFT de decenas de compuestos. Cada estructura incluye 200 átomos distintos y para las pruebas se validaron mas de 2.000 estructuras diferentes.

Shiftml

ShiftML lo que hace es comprender como se estructuran esos átomos. Una vez tiene bastante información, los examinadores ya pueden introducir nuevas moléculas no clasificadas para que el software calcule su estructura. El ejemplo que nos da el dispositivo de exploración es el de una molécula de 86 átomos que incluye los mismos componentes que la cocaína sin embargo con una estructura interna distinta.

Utilizando una base de documentos con mas de 2.000 estructuras distintos han conseguido acelerar el cálculo computacional imprescindible para predecir la forma interna de ciertos fármacos.

Con ShiftML se tarda menos de un minuto en funcionar la información, mientras que usando la fuerza bruta directa se necesitarían entre 62 y 150 horas de CPU para calcularlo. “En el caso que fuera un cristal con 1.600 átomos tardaríamos 6 minutos, mientras que de normal se tardarían 16 años“, narra Michele Ceriotti.

El machine learning esta permitiendo detectar nuevos fármacos

La comunidad científica se pregunta si la inteligencia artificial es puro hype o realmente es util para su trabajo diario. Robert P. Sheridan, químico computacional de la farmacéutica Merck, comenta sobre este tipo de técnicas: “La empresa farmacéutica esta muy esperanzada por estas tecnologias porque aceptan el desarrollo de fármacos realmente dificiles y nuestros usuarios siempre exploran nuevas formas de tener triunfo mas rápido.

Chemical

En la misma dirección enfoca el dispositivo de ShiftML, que expone como esta técnica puede utilizarse para diseñar nuevos fármacos. Lyndon Emsley, coautor del repaso asegura que “la aceleración de los tiempos de informática nos admitirá tapar espacios mas enormes y resolver estructuras que antes no eran posibles. Principalmente fármacos dificiles que requerían de una potencia de cálculo enorme.

Otros procesos equivalentes aplicando machine learning lo tenemos con la síntesis de moléculas. Los ejemplos predictivos existen en la química desde los años 60, sin embargo a través de este machine learning se están acortando las limitaciones de aquellos calculos que requerían de una potencia computacional demasiado elevada.

Vía | The Register
Imagen de portada | Michele Ceriotti / 2018 EPFL

También te recomendamos

La NASA premiará con 1 millón de dolares a quien logre cambiar CO2 en azúcar

¿Amante de los animales? Guía deco para tener una home bella y crear contento a tu mascota

Qué son y para qué sirven las bolsitas de gel de sílice que provienen en varias cajas de electronica


La novedad Diseñar fármacos hasta 10.000 veces mas veloz que con la química actual: la IA comienza a transformar la empresa farmaceútica fue publicada originalmente en Xataka por Enrique Pérez .


Xataka



Agradecemos a la fuente original por la información que nos ayudo a crear este articulo.

También puedes revisar estas noticias relacionadas.

Tags: #10.000 #actual #diseñar #empieza #farmacéutica #fármacos #hasta #Industria #más #química #rápido #transformar #veces

Deja un comentario

Author: 
    author