Diseño molecular "DE-NOVO" con inteligencia artificial generativa
Date
2024
Type:
Thesis
item.page.extent
54 p.
item.page.accessRights
Privado
Authors
item.contributor.advisor
ORCID:
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad del Desarrollo. Facultad de Ingeniería
item.page.isbn
item.page.issn
item.page.issne
item.page.doiurl
item.page.other
item.page.references
Abstract
La inteligencia artificial (IA) ha transformado el diseño y descubrimiento de fármacos, permitiendo la identificación de compuestos bioactivos mediante la exploración eficiente de espacios químicos. En este trabajo se presenta un enfoque innovador para el diseño in silico de nuevos Antiinflamatorios No Esteroideos (AINEs), medicamentos esenciales para el manejo del dolor y la inflamación, que actúan inhibiendo las enzimas ciclooxigenasas (COX-1 y COX-2). Sin embargo, los efectos secundarios asociados con la inhibición no selectiva de estas enzimas, como daños gastrointestinales, nefrotóxicos y riesgos cardiovasculares, evidencian la necesidad de desarrollar moléculas con mayor selectividad hacia COX-2.
La metodología propuesta combina Autoencoders Variacionales (VAE) para modelar el espacio químico latente, con Algoritmos Genéticos (AG) con el fin de optimizar propiedades moleculares hacia objetivos terapéuticos específicos. Este enfoque busca generar moléculas candidatas con mayor afinidad hacia COX-2 y menor actividad sobre COX-1, maximizando la eficacia terapéutica y minimizando los efectos adversos.
Estudios recientes han demostrado que esta combinación de herramientas de IA permite el diseño racional y eficiente de moléculas con propiedades favorables, incluyendo mejoras en parámetros ADMET y selectividad molecular.
La propuesta presentada no sólo acelera el proceso de descubrimiento de fármacos, sino que también ofrece un marco para el desarrollo de terapias personalizadas, con potencial de impacto significativo en la farmacología moderna y en la calidad de vida de los pacientes. Este documento se enfoca en la descripción detallada de la metodología implementada como base para futuras etapas del trabajo, que incluirán la validación y análisis exhaustivo de los resultados obtenidos.
Description
Proyecto de grado presentado a la Facultad de Ingeniería de la Universidad del Desarrollo para optar al grado académico de Magíster en Data Science
item.page.coverage.spatial
Santiago
item.page.sponsorship
Citation
Keywords
070037S, Inteligencia artificial generativa, Docking molecular, Diseño de fármacos