Nvidia, Google DeepMind y EMBL-EBI publican mapa de proteínas de 2.800 virus para prevenir pandemias
Hecho Qué ha ocurrido
Nvidia, Google DeepMind y el EMBL-EBI publicaron un conjunto abierto de estructuras de proteínas de más de 2.800 proteomas virales de 23 familias, usando AlphaFold2 y la plataforma BioNeMo de Nvidia. Los datos incluyen 5.279 heterodímeros y 2.749 homodímeros de alta confianza, disponibles en el Portal de Preparación ante Pandemias de AlphaFold con licencia para uso académico y comercial. La publicación coincide con una reunión de alto nivel de la ONU sobre preparación ante pandemias.
Resumen generado mediante IA a partir de Infobae Tecno. Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Acelerar el acceso a estructuras proteicas virales puede reducir el tiempo necesario para identificar dianas de vacunas y tratamientos en las primeras fases de un brote, cuando la rapidez es crítica.
- Quién se ve afectado
- Laboratorios de investigación biomédica, farmacéuticas, instituciones de salud pública y organismos internacionales de vigilancia epidemiológica.
- Qué puede cambiar
- Los investigadores podrán priorizar qué proteínas estudiar sin esperar a que ocurra un brote, aunque los modelos deben validarse experimentalmente antes de aplicarse a tratamientos.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la adopción real de estos datos por parte de laboratorios en países con menos recursos y si surgen nuevas colaboraciones o ampliaciones del conjunto de datos ante futuros brotes.
Recomendación Qué debería hacer una empresa
Instituciones de salud pública y biotecnológicas deberían evaluar en los próximos 6-12 meses la integración de estos datos abiertos en sus flujos de vigilancia y priorización de investigación de patógenos.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Fuente original: Infobae Tecno. La referencia es siempre el artículo original.
Ver fuente original ↗IA científicamodelos de predicción de proteínas NvidiaGoogle DeepMindEMBL-EBI AlphaFoldbioinformáticaGoogle DeepMindNvidiapandemias
Tu opinión
0 comentarios
Relacionadas
Google prepara primer lanzamiento de satélite con chips TPU del Proyecto Suncatcher
Google lanzará, con ayuda de SpaceX, un satélite prototipo del Proyecto Suncatcher para probar si sus chips TPU pueden operar en órbita. La misión viajará en…
Por qué importaSi el hardware de IA puede funcionar en el espacio, se abriría una vía alternativa para procesar cargas de IA aprovechando energía solar casi…
Estudio SESGO revela que modelos de IA reproducen prejuicios distintos al responder en español
Investigadoras colombianas de la Universidad de los Andes y Quantil desarrollaron SESGO, una evaluación con 4.156 prompts sobre género, racismo, clasismo y…
Por qué importaDemuestra que los filtros de seguridad y las evaluaciones de sesgo diseñadas en inglés no capturan estereotipos culturales propios de América Latina…
Un agente de Claude de Anthropic halla un sistema enzimático desconocido tipo CRISPR en bacteriófagos
El laboratorio de biología de Anthropic publicó un preprint donde un agente ejecutando Claude Mythos 5 identificó un sistema de enzimas no descrito, llamado…
Por qué importaIlustra el uso operativo de agentes de IA para exploración masiva de datos científicos, aunque también expone problemas serios de reproducibilidad y…
Modelos de OpenAI y Anthropic descifran dos mensajes Enigma que resistían desde décadas
Dos criptoanalistas independientes usaron el modelo Astra de OpenAI y Claude Opus 5 de Anthropic para descifrar dos mensajes cifrados con Enigma que llevaban…
Por qué importaDemuestra capacidades de investigación autónoma, razonamiento multi-paso y uso de herramientas por agentes de IA que van más allá de tareas de texto…