Desarrollamos una plataforma computacional que integra IA generativa, simulación molecular y análisis de datos ómicos para reducir drásticamente el tiempo y el costo del descubrimiento de fármacos. El sistema propone nuevas moléculas, predice su eficacia y toxicidad, y prioriza los candidatos más prometedores para la síntesis y las pruebas de laboratorio.
El proceso tradicional de descubrimiento de fármacos es extremadamente lento, costoso y tiene una alta tasa de fracaso. Se necesitan años para pasar de una idea a un candidato viable para ensayos clínicos.
Construimos una arquitectura de nube que orquesta un pipeline complejo: 1) Modelos de IA generativa (Transformers, GNNs) diseñan millones de moléculas virtuales. 2) Simulaciones de dinámica molecular en GPU predicen cómo interactúan estas moléculas con sus dianas. 3) Un modelo de aprendizaje profundo clasifica a los candidatos basándose en datos de eficacia y seguridad.