Los investigadores de Argonne est\u00e1n usando un nuevo hardware para realizar b\u00fasquedas computacionales muy aceleradas de nuevos medicamentos antivirales. Cr\u00e9dito: Shutterstock <\/p>\n
Usando la plataforma Groq en ALCF AI Testbed, los investigadores pudieron acelerar el proceso de b\u00fasqueda a trav\u00e9s de una gran cantidad de mol\u00e9culas peque\u00f1as para encontrar candidatos a f\u00e1rmacos prometedores. <\/p>\n
Tan pronto como estall\u00f3 la pandemia de COVID-19 a principios de 2020, los cient\u00edficos se encontraron en una carrera contrarreloj para encontrar un medicamento antiviral que pudiera tratar la enfermedad. Con miles de millones de posibles candidatos a f\u00e1rmacos para clasificar, los investigadores necesitaban una forma de acelerar dr\u00e1sticamente su b\u00fasqueda. Descubrieron que la respuesta estaba en la inteligencia artificial (IA).<\/p>\n
Desde el comienzo de la pandemia, los investigadores del Laboratorio Nacional Argonne del Departamento de Energ\u00eda (DOE) de EE. n\u00famero de mol\u00e9culas peque\u00f1as para encontrar candidatos a f\u00e1rmacos utilizables. Recientemente, utilizaron un nuevo hardware inform\u00e1tico para acelerar el proceso, reduciendo las b\u00fasquedas que originalmente podr\u00edan haber llevado a\u00f1os a solo minutos.<\/p>\n
Para determinar si una mol\u00e9cula peque\u00f1a puede formar la base de un medicamento antiviral \u00fatil, los investigadores necesita calcular qu\u00e9 tan bien se une a diferentes bolsillos en una de las prote\u00ednas virales del SARS-CoV-2, que causa COVID-19. \u00abSe puede pensar en una prote\u00edna viral como si fuera un chicle masticado\u00bb, dijo Tom Brettin, cient\u00edfico computacional de Argonne. \u00abQueremos ver qu\u00e9 tan bien se adhieren las diferentes mol\u00e9culas a los diferentes rincones y grietas del ‘chicle'\u00bb.<\/p>\n
La energ\u00eda de uni\u00f3n de una mol\u00e9cula peque\u00f1a a una prote\u00edna depende de m\u00faltiples factores, incluida la geometr\u00eda de la mol\u00e9cula y las interacciones electr\u00f3nicas entre la mol\u00e9cula y la prote\u00edna, dijo Brettin.<\/p>\n
El c\u00e1lculo de la energ\u00eda de enlace de las mol\u00e9culas peque\u00f1as comienza analiz\u00e1ndolas una a la vez con c\u00f3digos basados en la f\u00edsica en supercomputadoras de clase l\u00edder, incluyendo Argonne’s Theta, que es parte de Argonne Leadership Computing Facility (ALCF). Estos puntajes de enlace luego se usan para entrenar un algoritmo de IA para buscar las mol\u00e9culas con las energ\u00edas de enlace m\u00e1s bajas.<\/p>\n
\u00abCon IA, pasamos de hacer un compuesto por segundo a 1,000 compuestos por segundo y finalmente a 50,000 compuestos por segundo\u00bb, dijo el cient\u00edfico computacional de Argonne Hyunseung (Harry) Yoo.<\/p>\n
La ventaja de usar IA, seg\u00fan Brettin, es que puede adaptarse r\u00e1pidamente y adaptarse a estructuras qu\u00edmicas que nunca ha visto y que nunca han sido sintetizados y no existen en la naturaleza. \u00abLa inteligencia artificial nos brinda tanto la velocidad como la flexibilidad que la computaci\u00f3n basada en la f\u00edsica pura tendr\u00eda muchas dificultades para lograr\u00bb, dijo.<\/p>\n
Otro beneficio de la IA radica en el hecho de que genera el m\u00ednimo enlace posible energ\u00eda para cada candidato inmediatamente, en lugar de tener que realizar una gran cantidad de c\u00e1lculos de prueba y error para diferentes configuraciones de mol\u00e9culas a medida que se unen a un sitio de prote\u00edna.<\/p>\n
Aunque 50,000 predicciones por segundo pueden parecer una cantidad velocidad r\u00e1pida, Brettin y Yoo todav\u00eda estaban interesados en acelerar los c\u00e1lculos a\u00fan m\u00e1s. Recurrieron al banco de pruebas de IA ALCF, una colecci\u00f3n cada vez mayor de algunas de las plataformas de IA m\u00e1s avanzadas del mundo, incluido el acelerador GroqChip.<\/p>\n
En las pruebas en un gran conjunto de datos de mol\u00e9culas peque\u00f1as, los investigadores descubrieron que pod\u00edan lograr 20 millones de predicciones o inferencias, un segundo, reduciendo enormemente el tiempo necesario para cada b\u00fasqueda.<\/p>\n
Una vez que se encontraron los mejores candidatos, los investigadores identificaron cu\u00e1les se pod\u00edan obtener comercialmente y los probaron en c\u00e9lulas humanas en el Laboratorio Howard T. Ricketts, un centro de investigaci\u00f3n biol\u00f3gica ubicado en el campus de Argonne. \u00abSin IA, nunca hubi\u00e9ramos podido hacer una b\u00fasqueda exhaustiva en la computadora y llevarla al laboratorio\u00bb, dijo Yoo. \u00abMuestra el poder de la computaci\u00f3n para hacer biolog\u00eda real\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
La iniciativa impulsada por IA que est\u00e1 acelerando el descubrimiento de medicamentos para tratar el COVID-19 Proporcionado por el Laboratorio Nacional de Argonne Cita<\/strong>: IA utilizada para acelerar el descubrimiento de antivirales para el COVID (2021, noviembre 23) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2021-11-ai-covid-antiviral-discovery.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Los investigadores de Argonne est\u00e1n usando un nuevo hardware para realizar b\u00fasquedas computacionales muy aceleradas de nuevos medicamentos antivirales. Cr\u00e9dito: Shutterstock Usando la plataforma Groq en ALCF AI Testbed, los investigadores pudieron acelerar el proceso de b\u00fasqueda a trav\u00e9s de una gran cantidad de mol\u00e9culas peque\u00f1as para encontrar candidatos a f\u00e1rmacos prometedores. Tan pronto como … Continuar leyendo \u00abSe usa IA para acelerar el descubrimiento de antivirales contra el COVID\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1984","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/1984","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=1984"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/1984\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=1984"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=1984"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=1984"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}