Un equipo de la Universidad de Toronto publicó en Nature Computational Science un nuevo método, HIP, que predice directamente la matriz hessiana completa de una molécula y se salta el costoso paso de derivación.
Un bucle de aprendizaje activo junto con aprendizaje profundo geométrico mejora la predicción de reacciones en química farmacéutica cuando los datos escasean: la IA aprende a juzgar dónde debe romperse una molécula.
El método "2-step" permite predecir los tiempos de retención en cromatografía líquida de moléculas pequeñas de forma inmediata, sin reentrenar para nuevos sistemas, lo que beneficia directamente al descubrimiento de fármacos y la investigación de productos naturales.
Investigadores de la Universidad de Columbia (laboratorios de Cornish y de Ken Shepard) usaron un ciclo de diseño-construcción-prueba con IA para modificar levadura que detecta PFOA y PFOS, y crearon una tira que se moja y mide al instante el PFAS en el agua.
XtalPi dio a conocer el 6 de octubre los detalles de su plataforma Kodexia, en la que IA generativa, modelado biológico y experimentos automatizados forman un circuito cerrado para acelerar el descubrimiento de terapias de ARN de interferencia pequeño (siRNA).
Un equipo de la Universidad de Nueva York informa en Chemical Science de una IA entrenada con patrones químicos de estabilidad para predecir la posición de los átomos de hidrógeno en moléculas de fármacos, lo que resuelve el viejo problema de asignar tautómeros.
Transcripta Bio y Synfini informan de que obtuvieron en cuestión de semanas un compuesto líder de nivel de validación contra el gen MSH3, frente a los 12-18 meses que marca el sector entre el compuesto inicial y la nominación del candidato.