Google presenta Antigravity para acelerar la búsqueda de péptidos antimicrobianos
Hecho Qué ha ocurrido
Google DeepMind describe cómo biólogos usaron su plataforma agéntica Antigravity para identificar un candidato a péptido antimicrobiano con actividad predicha frente a patógenos de infecciones respiratorias, en la especie Streptococcus pseudopneumoniae. El candidato se encuentra en validación en laboratorio húmedo. La empresa también presenta el Biomolecular Structure Viewer, un visor 3D integrado en la plataforma, y el modelo ProtNLM, que predice la función biológica de proteínas a partir de sus secuencias.
Resumen generado mediante IA a partir de Google DeepMind (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Si los resultados se confirman, el trabajo de cribado de bases de datos biológicas podría reducirse de días a sesiones de trabajo guiadas por IA. Para empresas de biotecnología y farmacia, es una señal de cómo los agentes de IA pueden entrar en el flujo de descubrimiento de fármacos.
- Quién se ve afectado
- Centros de investigación biomédica, empresas farmacéuticas y de biotecnología, y equipos de bioinformática.
- Qué puede cambiar
- Los equipos de investigación podrían priorizar candidatos con herramientas de IA antes de los ensayos de laboratorio, con menos consultas manuales entre bases de datos. El cambio depende de que los candidatos superen la validación experimental.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Resultados de la validación en laboratorio húmedo del candidato, publicación de datos revisados por pares y si otros grupos reproducen el flujo de trabajo con sus propios patógenos.
Enviar esta noticia por correo
Fuente original: Google DeepMind (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗agentes de IAmodelos de lenguaje de proteínasIA científica Google DeepMindGoogleUniProt Google Antigravitypéptidos antimicrobianosProtNLMresistencia antimicrobianaUniProt
Tu opinión
0 comentarios
Relacionadas
Los mejores modelos de IA pasan del 2% al 35% en problemas teóricos, según el MIT
Un estudio de Neil Thompson, Gabriel Manso y Claudio Mayrink Verdun, del MIT, evaluó modelos de OpenAI (o1, o3, GPT-5 y versiones posteriores) con problemas de…
Por qué importaMuestra una mejora rápida de la IA en razonamiento científico que podría trasladarse a otras áreas de investigación. Para las organizaciones con I+D…
Un agente de IA resuelve 49 de 50 problemas de física teórica no publicados
Un equipo de 35 investigadores, con participación de ICTS, Harvard, KU Leuven y Google DeepMind, presentó TheoPhysEval, un benchmark de 50 problemas de física…
Por qué importaSi los resultados se confirman, los cálculos de nivel de investigación que antes requerían expertos y varios días podrían delegarse en agentes a bajo…
NVIDIA se suma a la iniciativa europea AI in Science con modelos abiertos, cómputo y formación
En la AI in Science Summit de Dublín, la Comisión Europea lanzó la iniciativa AI in Science Enablers, vinculada a RAISE. NVIDIA anuncia su aportación: más de…
Por qué importaPara instituciones de investigación y startups científicas españolas o latinoamericanas, puede abrir acceso gratuito o subvencionado a cómputo y…
Un algoritmo de Stanford identifica el péptido BRP, que reduce el apetito en animales
Un equipo de Stanford Medicine usó la herramienta computacional Peptide Predictor para revisar unos 20.000 genes humanos y seleccionar 100 péptidos candidatos…
Por qué importaEl caso muestra un método de cribado computacional que puede acotar la búsqueda de moléculas bioactivas antes de los experimentos de laboratorio…