El desarrollo de nuevas moléculas para la creación de fármacos es una tarea fundamental en el ámbito de la química. Con los avances en tecnologías inteligentes como los modelos de lenguaje de gran escala (LLMs), se han creado nuevos paradigmas para optimizar este proceso. Sin embargo, los LLMs se enfrentan al desafío de la compleja relación implícita entre la estructura molecular y las propiedades farmacológicas, así como la falta de datos etiquetados correspondientes.
Para abordar esta brecha, se ha propuesto DrugR, un método basado en LLM que introduce un razonamiento farmacológico explícito paso a paso en el proceso de optimización. Este enfoque combina el preentrenamiento continuo específico del dominio, el ajuste fino supervisado a través de la ingeniería de datos inversa y el aprendizaje reforzado multimolecular-autoequilibrado. DrugR logra mejorar eficazmente las propiedades clave ADMET sin comprometer la eficacia central de la molécula original.
Los resultados experimentales muestran que DrugR logra una mejora integral en múltiples propiedades sin sacrificar la similitud estructural o la afinidad de unión al objetivo. Además, su proceso de razonamiento explícito proporciona justificaciones claras e interpretables para cada paso de optimización, lo que genera ideas de diseño accionables y avanza hacia el descubrimiento científico automatizado y basado en el conocimiento.
En Q2BSTUDIO, como empresa especializada en desarrollo de software a medida y tecnología de vanguardia, estamos comprometidos con la implementación de soluciones innovadoras basadas en inteligencia artificial para empresas. Nuestros servicios de servicios cloud aws y azure y de inteligencia de negocio, como Power BI, pueden complementar de manera efectiva este tipo de metodologías para optimización de fármacos moleculares. Para más información sobre cómo podemos ayudarte, visita nuestro sitio web.