Consorcio farmacéutico mejora modelos de plegado de proteínas con datos privados de 20.000 estructuras
Hecho Qué ha ocurrido
Un consorcio de empresas farmacéuticas (AISB Network, con AbbVie y Astex entre otras) entrenó OpenFold3 con más de 20.000 estructuras proteína-fármaco propietarias, no publicadas en el Protein Data Bank. En pruebas con 1.056 estructuras reservadas, el modelo resultante predijo con alta precisión más de la mitad de los casos, frente a un tercio del OpenFold3 público y un 40% de Boltz-2. El estudio, no revisado por pares, se describió en una entrada de blog y el modelo no es de acceso público.
Resumen generado mediante IA a partir de Nature · Machine learning (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Muestra que el cuello de botella de datos que limita a AlphaFold y modelos similares en aplicaciones de descubrimiento de fármacos puede superarse combinando datos privados de la industria, sin necesidad de compartir directamente la propiedad intelectual.
- Quién se ve afectado
- Empresas farmacéuticas, biotecnológicas, equipos de I+D en descubrimiento de fármacos y desarrolladores de modelos de plegado de proteínas.
- Qué puede cambiar
- Se abre la vía de consorcios de datos privados federados como estrategia para mejorar modelos de IA científica sin renunciar a la confidencialidad de los datos, lo que podría acelerar el diseño de fármacos guiado por IA.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la publicación revisada por pares del estudio, la evolución del proyecto público OpenBind financiado por el Reino Unido, y si otros consorcios farmacéuticos siguen este modelo de colaboración con datos privados.
Recomendación Qué debería hacer una empresa
Empresas biotecnológicas y farmacéuticas deberían evaluar en los próximos 12-18 meses la viabilidad de participar en consorcios de datos similares para mejorar sus capacidades internas de modelado molecular.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Fuente original: Nature · Machine learning (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗IA científicamodelos de plegado de proteínasaprendizaje profundo AbbVieAstex PharmaceuticalsOpenFold3AISB Network AbbVieAlphaFolddescubrimiento de fármacosOpenFold3proteínas
Tu opinión
0 comentarios
Relacionadas
El Instituto Clay confirma que el problema Navier-Stokes 'parece haber sido resuelto' tras disputa por uso de IA
El Clay Mathematics Institute afirmó que el problema Navier-Stokes, uno de los siete Problemas del Milenio con premio de 1 millón de dólares, 'aparentemente ha…
Por qué importaEs un posible hito histórico en matemáticas asistidas por IA, pero también expone tensiones sobre propiedad intelectual, uso de datos de…
Un algoritmo de IA reconstruye el vídeo de mayor resolución de los chorros de un agujero negro
Científicos usaron el algoritmo Kine, similar al CHIRP empleado en 2019, para procesar 116 imágenes tomadas entre 1995 y 2022 de la galaxia 3C 345 y generar el…
Por qué importaIlustra cómo los algoritmos de procesamiento de imágenes basados en IA siguen siendo clave para extraer información científica de datos astronómicos…
Andon Labs pone a agentes de IA a gestionar negocios reales para medir su autonomía
Andon Labs, empresa de seguridad en IA con sede en San Francisco, gestiona negocios físicos reales (una tienda, un café y una máquina expendedora) con agentes…
Por qué importaEstos experimentos revelan que la capacidad de un modelo para completar tareas puntuales no equivale a fiabilidad para gestionar operaciones de forma…
IA reanaliza el resplandor de rayos gamma del centro galáctico y no descarta la materia oscura
Investigadores de la Universidad de Viena y el Lawrence Berkeley National Laboratory usaron un modelo de aprendizaje automático, entrenado con más de un millón…
Por qué importaEs un ejemplo de cómo el aprendizaje automático permite extraer información más fina de datos astrofísicos complejos, mejorando la capacidad de…