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: hecho documentado.
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
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: 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 AbbVie AlphaFold descubrimiento de fármacos OpenFold3 proteínas
Relacionadas
Google DeepMind lanza base de datos de estructuras de proteínas AlphaFold abierta al mundo
Google DeepMind ha publicado la base de datos AlphaFold Protein Structure Database con predicciones de alta precisión para todas las ~20.000 proteínas del…
Por qué importaEste lanzamiento acelera dramáticamente la investigación biomédica, acortando tiempos de descubrimiento de meses o años a minutos, con implicaciones…
AlphaFold revoluciona la predicción de estructuras proteicas: de experimentos a simulaciones
El artículo analiza el impacto de AlphaFold, desarrollado por Google DeepMind, que predice estructuras 3D de proteínas a partir de su secuencia sin…
Por qué importaPara directivos en farmacéutica, biotecnología y química, AlphaFold acelera descubrimiento de fármacos al eliminar ciclos costosos de prueba y error…
Google DeepMind abre acceso a predicciones de estructura proteica para 100 millones de proteínas
Google DeepMind ha expandido significativamente AlphaFold DB, la base de datos de predicciones de estructura de proteínas, de modo que cubrirá más de 100…
Por qué importaLa disponibilidad masiva de predicciones precisas de estructura proteica acelera investigación en biología estructural, descubrimiento de fármacos y…
AlphaFold llega a 200 millones de estructuras de proteínas para investigación global
Google DeepMind y EMBL-EBI anuncian que la base de datos AlphaFold Protein Structure Database ha alcanzado más de 200 millones de predicciones de estructuras…
Por qué importaEl acceso abierto a 200 millones de estructuras acelera exponencialmente el descubrimiento científico en biología, farmacología y medicina…
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.