Potential Sciences, startup británica respaldada por SovAI, quiere descubrir fármacos con IA entrenada en datos simulados por física
Hecho Qué ha ocurrido
La startup británica Potential Sciences, lanzada el 5 de noviembre, planea crear grandes conjuntos de datos químicos simulados con principios de física para entrenar modelos de IA que identifiquen fármacos para enfermedades concretas. Afirma haber recibido financiación inicial de decenas de millones de dólares de SovAI y Twin Path Ventures, sin revelar la cifra exacta ni la valoración.
Resumen generado mediante IA a partir de Wired en Español. Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Si el enfoque funciona, podría reducir el coste y el tiempo de la fase de diseño de fármacos y hacer viables tratamientos para enfermedades raras. El artículo subraya que probar seguridad y eficacia seguirá siendo el principal cuello de botella.
- Quién se ve afectado
- Farmacéuticas, biotecnológicas y centros de investigación que trabajan en descubrimiento de fármacos con IA.
- Qué puede cambiar
- Si los datos sintéticos resultan predictivos, el diseño inicial de moléculas podría hacerse con más simulación y menos experimentación en laboratorio.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Resultados de precisión en la predicción de uniones molécula-proteína, si la compañía publica sus modelos o los reserva, y si los candidatos avanzan a ensayos clínicos.
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: Wired en Español. La referencia es siempre el artículo original.
Ver fuente original ↗IA para descubrimiento de fármacossimulación molecularmodelos predictivos Potential SciencesSovAITwin Path Ventures descubrimiento de fármacos Potential Sciences Reino Unido SovAI
Forma parte de la historia Potential Sciences entrena IA con datos simulados para descubrir fármacos (2 noticias, estado: en evolución).
Relacionadas
Potential Sciences, startup respaldada por el Gobierno británico, usará datos simulados para acelerar el diseño de fármacos
La startup británica Potential Sciences, fundada por Hatem Helal, lanzó el 5 de noviembre con financiación semilla de decenas de millones de dólares de SovAI…
Por qué importaSi el enfoque funciona, podría reducir el coste de experimentación en el descubrimiento de fármacos y hacer viables tratamientos para enfermedades…
IA en descubrimiento de fármacos: el cuello de botella del dato de calidad
MIT Technology Review publica un análisis de Paul Belcher, director de investigación de proteínas en Cytiva, sobre los desafíos en aplicar IA a descubrimiento…
Por qué importaLa limitación del dato de calidad es un riesgo operacional y de inversión para farmacéuticas y proveedores de tecnología. Las empresas que resuelvan…
La IA pasa de descubrir a diseñar medicamentos desde cero
La inteligencia artificial está transitando de analizar y acelerar procesos en medicina a diseñar activamente nuevas moléculas y proteínas nunca creadas antes…
Por qué importaEste cambio representa un salto cualitativo en cómo la IA crea valor en farmacéutica: pasar de herramienta de búsqueda a motor de creación de nuevas…
Axiom Math anuncia la verificación formal con agentes de IA de la biblioteca matemática Stacks
La startup Axiom Math anunció que sus agentes de IA han verificado formalmente el Stacks Project, una gran biblioteca de matemáticas de código abierto iniciada…
Por qué importaLa verificación formal ofrece una base comprobable frente a demostraciones generadas por IA sin revisar. Para las empresas, es un indicio de que el…
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.