El diseño de nuevas moléculas para crear productos farmacéuticos se da de forma manual, además de ser un proceso donde se cometen muchos errores. Sin embargo, los investigadores del Instituto Tecnológico de Massachusetts (MIT, por sus siglas en inglés), quieren automatizar este proceso de diseño, y han dado un gran paso en ese camino a través de un sistema de aprendizaje automático que tiene la capacidad de mejorar la potencia de dichas moléculas.

Según un comunicado del MIT, el descubrimiento de fármacos está basado en la optimización del plomo. Este proceso implica seleccionar una molécula líder con el potencial requerido para combatir una afección específica, y luego modificar sus propiedades químicas para obtener mejores resultados. Por lo general, se utiliza el consejo de expertos químicos y ajustes manuales de moléculas, lo que hace que sea un proceso lento.

Ahora, los investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL, por sus siglas en inglés) y el Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS, por sus siglas en inglés) del MIT, han desarrollado un modelo de Inteligencia Artificial (IA) que selecciona mejor las moléculas líderes en función de las propiedades deseadas.

En este sentido, el sistema permite modificar la estructura molecular necesaria para obtener una mayor potencia, mientras que garantiza que la molécula es químicamente válida para crear el fármaco. Este modelo recopila los datos de la estructura molecular y crea de manera automática los gráficos moleculares, que a su vez son las representaciones detalladas de la estructura molecular.

Posteriormente, el sistema desglosa los gráficos en sub-grupos más pequeños y los utiliza como “bloques de construcción” para reconstruir con precisión y modificar las moléculas. En este sentido, los investigadores aseguran que el proceso actual de análisis de moléculas es un oficio, que requiere una gran cantidad de químicos y expertos para tener éxito, por lo que esperan llevar su tecnología al uso de casos reales de diseño farmacéutico y demostrar que puede permitir a los químicos realizar un mejor trabajo.