Encontrar una molécula que encaje en una proteína concreta se parece a intentar abrir una cerradura desconocida con un manojo de llaves gigantesco. La biología ofrece miles de “cerraduras” —las proteínas— y la química, millones o incluso billones de “llaves” —los compuestos candidatos—. El método clásico para decidir qué llave probar primero ha sido el… Continúa leyendo »
DrugCLIP: la IA que convierte la búsqueda de fármacos en un “motor de búsqueda” molecular
Encontrar una molécula que encaje en una proteína concreta se parece a intentar abrir una cerradura desconocida con un manojo de llaves gigantesco. La biología ofrece miles de “cerraduras” —las proteínas— y la química, millones o incluso billones de “llaves” —los compuestos candidatos—. El método clásico para decidir qué llave probar primero ha sido el cribado virtual basado en simulaciones: se modela en 3D cómo una molécula podría acomodarse en el bolsillo de unión de una proteína, se calcula si la interacción es estable y se repite el proceso una y otra vez.
El problema es que esa aproximación, conocida popularmente por su dependencia del docking y de cálculos físico-químicos detallados, consume muchísimo tiempo y recursos. En la práctica, limita el número de compuestos y dianas que se pueden explorar. Cuando el objetivo es dar con terapias contra enfermedades complejas, o investigar proteínas poco estudiadas, ese cuello de botella se convierte en un freno real para la innovación biomédica. Continúa leyendo «DrugCLIP: la IA que convierte la búsqueda de fármacos en un “motor de búsqueda” molecular»
