Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
LGC Clinical Diagnostics

Deascargar La Aplicación Móvil




IA combinada con máquina de fabricación de moléculas podría hacer que la química compleja sea automatizada y accesible

Por el equipo editorial de LabMedica en español
Actualizado el 01 Nov 2022
Print article
Imagen: El equipo combinó una poderosa IA y una máquina para hacer moléculas para encontrar las mejores condiciones para la química compleja automatizada (Fotografía cortesía de la Universidad de Illinois en Urbana-Champaign)
Imagen: El equipo combinó una poderosa IA y una máquina para hacer moléculas para encontrar las mejores condiciones para la química compleja automatizada (Fotografía cortesía de la Universidad de Illinois en Urbana-Champaign)

Las máquinas de síntesis automatizadas para proteínas y ácidos nucleicos como el ADN han revolucionado la investigación y la fabricación de productos químicos en esos campos, pero muchos productos químicos de importancia para aplicaciones farmacéuticas, clínicas, de fabricación y de materiales son moléculas pequeñas con estructuras complejas. Un equipo de investigadores había sido pionero en el desarrollo de componentes básicos químicos simples para moléculas pequeñas. También habían desarrollado una máquina automatizada de fabricación de moléculas que une los componentes básicos para crear una amplia gama de estructuras posibles. Ahora, el equipo ha combinado inteligencia artificial (IA), química de "componentes básicos" y una máquina de fabricación de moléculas para encontrar las mejores condiciones generales de reacción para sintetizar sustancias químicas importantes para la investigación biomédica y de materiales, un hallazgo que podría acelerar la innovación y el descubrimiento de fármacos, así como hacer que la química compleja sea automatizada y accesible.

Con las condiciones optimizadas generadas por máquinas, investigadores de la Universidad de Illinois en Urbana-Champaign (Champaign, IL, EUA), el Instituto de Química Orgánica de la Academia Polaca de Ciencias (IOC PAS, Varsovia, Polonia) y la Universidad de Toronto (Toronto, ON, Canadá) duplicaron el rendimiento promedio de un tipo de reacción especial, difícil de optimizar, que une átomos de carbono en moléculas farmacéuticamente importantes. Los investigadores dicen que su sistema proporciona una plataforma que también podría usarse para encontrar condiciones generales para otras clases de reacciones y soluciones para problemas complejos similares. Un enfoque automatizado con condiciones generalizadas podría ayudar a estandarizar cómo los químicos fabrican algunos productos, abordando el problema de la reproducibilidad.

Los estudios publicados reflejan condiciones que son populares o convenientes, en lugar de las mejores, por lo que, según los investigadores, era necesario un enfoque sistemático que incluyera datos diversos y resultados negativos. Primero, el equipo ejecutó toda la matriz de posibles combinaciones utilizando la química de los componentes básicos a través de un algoritmo para agrupar reacciones similares. Luego, la IA envió instrucciones, ingresadas a una máquina en el Molecule Maker Lab ubicado en el Instituto Beckman de Ciencia y Tecnología Avanzadas, para producir reacciones representativas de cada grupo. La información de esas reacciones retroalimentó el modelo; la IA aprendió de los datos y ordenó más experimentos de la máquina de moléculas.

El proceso identificó condiciones que duplicaron el rendimiento promedio de una clase desafiante de reacciones, denominada acoplamiento Suzuki-Miyaura de heteroarilo, crucial para muchos compuestos biológicos y materiales relevantes. Según los investigadores, el proceso de aprendizaje automático también podría aplicarse a otras áreas amplias de la química para encontrar las mejores condiciones de reacción para otros tipos de moléculas pequeñas o incluso polímeros orgánicos más grandes.

"La generalidad es fundamental para la automatización y, por lo tanto, hacer que la innovación molecular sea accesible incluso para los no químicos", dijo el codirector del estudio, el Dr. Martin D. Burke. “El desafío es que el pajar de posibles condiciones de reacción es astronómico y la aguja está escondida en algún lugar dentro. Al aprovechar el poder de la inteligencia artificial y la química de los componentes básicos para crear un circuito de retroalimentación, pudimos reducir el pajar. Y encontramos la aguja.

Enlaces relacionados:
Universidad de Illinois en Urbana-Champaign  
IOC PAS
Universidad de Toronto

Miembro Oro
TORCH Panel Rapid Test
Rapid TORCH Panel Test
New
Miembro Oro
LEISHMANIA Test
LEISHMANIA ELISA
New
Urine Analyzer
URIT-180
New
Automated Biochemistry Analyzer
AutoChem B861

Print article

Canales

Diagnóstico Molecular

ver canal
Imagen: una sección de resonancia magnética coronal muestra una lesión de ultrasonido enfocada de alta intensidad en el tálamo izquierdo del cerebro (foto cortesía del UT Southwestern Medical Center)

Biomarcadores de ACV recientemente identificados abren camino a análisis de sangre para diagnosticar rápidamente lesiones cerebrales

Cada año, casi 800.000 personas en los EUA sufren un accidente cerebrovascular, que ocurre cuando el flujo sanguíneo a áreas específicas del cerebro es insuficiente, lo que... Más

Inmunología

ver canal
Imagen: el descubrimiento de biomarcadores podría mejorar el tratamiento del cáncer de endometrio (foto cortesía del Monte Sinai)

Simple análisis de sangre ayudaría a elegir mejores tratamientos para pacientes con cáncer de endometrio recurrente

El cáncer de endometrio, que se desarrolla en el revestimiento del útero, es el cáncer ginecológico más frecuente en los Estados Unidos y afecta a más de 66.... Más

Patología

ver canal
Imagen: a medida que las células tumorales fluyen a través de estas cámaras microfluídicas, se someten a un aumento del estrés cortante y se clasifican en función de su fuerza de adhesión (foto cortesía de UC San Diego)

Dispositivo microfluídico evalúa adherencia de células tumorales para predecir propagación del cáncer

El carcinoma ductal in situ (CDIS), un tipo de cáncer de mama en etapa temprana, a menudo se denomina cáncer de mama en etapa cero. En muchos casos, permanece inofensivo y no se propaga más... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.