Los investigadores del MIT han desarrollado un modelo de aprendizaje profundo que puede predecir rápidamente las probables formas 3D de una molécula dado un gráfico 2D de su estructura. Esta técnica podría acelerar el descubrimiento de fármacos. Crédito: Cortesía de los investigadores, editado por MIT News
Los investigadores del MIT han desarrollado un modelo de aprendizaje profundo que puede predecir rápidamente las probables formas 3D de una molécula dado un gráfico 2D de su estructura. Esta técnica podría acelerar el descubrimiento de fármacos. Crédito: Cortesía de los investigadores, editado por MIT News

El nuevo modelo de aprendizaje profundo podría acelerar el proceso de descubrimiento de nuevos medicamentos

Sacando algunas de las conjeturas del descubrimiento de drogas Un modelo de aprendizaje profundo predice rápidamente las formas tridimensionales de moléculas similares a fármacos, lo que podría acelerar el proceso de descubrimiento de nuevos medicamentos. En su búsqueda por descubrir nuevos medicamentos efectivos, los científicos buscan moléculas similares a los medicamentos que puedan unirse a las proteínas que causan enfermedades y cambiar su funcionalidad.  Es crucial que conozcan la forma tridimensional de una molécula para comprender cómo se adherirá a superficies específicas de la proteína. Pero una sola molécula puede plegarse de miles de formas diferentes, por lo que resolver ese acertijo experimentalmente es un proceso costoso y que requiere mucho tiempo, similar a buscar una aguja en un pajar molecular. Los investigadores del MIT están utilizando el…

0 comentarios
La mayoría de las aplicaciones de aprendizaje profundo utilizan redes neuronales "convolucionales", en las que los nodos de cada capa se agrupan, los grupos se superponen y cada grupo alimenta datos a varios nodos (naranja y verde) de la siguiente capa. Crédito: Jose-Luis Olivares / MIT
La mayoría de las aplicaciones de aprendizaje profundo utilizan redes neuronales "convolucionales", en las que los nodos de cada capa se agrupan, los grupos se superponen y cada grupo alimenta datos a varios nodos (naranja y verde) de la siguiente capa. Crédito: Jose-Luis Olivares / MIT

La inteligencia artificial de aprendizaje profundo en redes neuronales

La técnica de inteligencia artificial de Ballyhooed conocida como "aprendizaje profundo" revive una idea de 70 años. En los últimos 10 años, los sistemas de inteligencia artificial de mejor rendimiento, como los reconocedores de voz en los teléfonos inteligentes o el último traductor automático de Google, son el resultado de una técnica llamada "aprendizaje profundo". El aprendizaje profundo es, de hecho, un nuevo nombre para un enfoque de la inteligencia artificial llamado redes neuronales, que han estado entrando y saliendo de moda durante más de 70 años.  Las redes neuronales fueron propuestas por primera vez en 1944 por Warren McCullough y Walter Pitts, dos investigadores de la Universidad de Chicago que se trasladaron al MIT en 1952 como miembros fundadores de lo que a veces se llama el primer departamento…

0 comentarios