Google DeepMind presenta habilidades de quimioinformática para agentes en Antigravity y diseña macrociclos candidatos
Hecho Qué ha ocurrido
Google DeepMind presenta Cheminformatics Skills para Google Antigravity, un conjunto de habilidades que permite a un agente buscar compuestos en literatura, aplicar análisis de pares moleculares emparejados y entrenar modelos predictivos de potencia. Según la empresa, el agente propuso macrociclos nuevos con rutas sintéticas en una hora, en un caso de tratamientos contra el cáncer de pulmón. Las propias autoras señalan que cada diseño debe sintetizarse y validarse experimentalmente.
Resumen generado mediante IA a partir de Google DeepMind (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Reduce el tiempo de iteración de un ciclo de diseño de fármacos, que antes podía tardar varios días, y muestra cómo los agentes pueden integrarse en flujos científicos con herramientas deterministas. Para empresas de biotecnología y farmacéuticas es una señal de hacia dónde van las herramientas de I+D.
- Quién se ve afectado
- Químicos medicinales, equipos de descubrimiento de fármacos y empresas de biotecnología y farmacia.
- Qué puede cambiar
- Los equipos computacionales podrían generar hipótesis de diseño más rápido, con más soporte de datos, aunque el cuello de botella experimental de síntesis y ensayo se mantiene.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Resultados de validación experimental de los macrociclos propuestos, la adopción de las habilidades fuera de los equipos piloto y las condiciones de acceso gratuito anunciadas.
Recomendación Qué debería hacer una empresa
Las empresas del sector podrían evaluar en los próximos 6-12 meses si estas herramientas aportan valor en su flujo de diseño, con un piloto acotado y validación experimental.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Google DeepMind (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗agentesRAGmodelos de aprendizaje automático Google DeepMindGoogle Cheminformatics Skills descubrimiento de fármacos Google Antigravity macrociclos RDKit
Relacionadas
Google presenta Antigravity para acelerar la búsqueda de péptidos antimicrobianos
Google DeepMind describe cómo biólogos usaron su plataforma agéntica Antigravity para identificar un candidato a péptido antimicrobiano con actividad predicha…
Por qué importaSi los resultados se confirman, el trabajo de cribado de bases de datos biológicas podría reducirse de días a sesiones de trabajo guiadas por IA…
Google DeepMind abre su plataforma de investigación de agentes DeepMind Lab
Google DeepMind anunció el código abierto de DeepMind Lab, su plataforma de simulación 3D diseñada para investigación en agentes de IA autónomos. La…
Por qué importaLa apertura de esta infraestructura de investigación acelera el desarrollo de agentes generales capaces de aprender en entornos complejos sin…
Google DeepMind lanza Gemini for Science, suite de herramientas de IA para investigación científica
Google DeepMind presenta Gemini for Science, con nuevas Science Skills en Google Antigravity y tres herramientas experimentales en Google Labs, basadas en…
Por qué importaMuestra cómo Google está llevando agentes de IA generalistas a la investigación científica e industrial, con casos de uso empresariales concretos que…
Google DeepMind presenta 70 trabajos en ICLR 2024 sobre agentes, visión 3D y optimización de código
Google DeepMind presentará más de 70 artículos de investigación en la conferencia ICLR 2024 (7-11 de mayo en Viena). Entre los avances destacados figuran…
Por qué importaLos agentes LLM capaces de realizar tareas digitales autónomas y la optimización automática de código representan avances prácticos que podrían…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.