Inteligencia artificial en la química.

 

Image Credit: metamorworks/Shutterstock.com

La inteligencia artificial (IA) hace referencia a la capacidad de las máquinas para actuar de forma aparentemente inteligente, tomando decisiones en respuesta a nuevas entradas sin estar explícitamente programadas para ello. Mientras que los programas informáticos típicos generan resultados de acuerdo con un conjunto explícito de instrucciones, los sistemas de IA están diseñados para utilizar modelos basados en datos para hacer predicciones.

Se ha demostrado que las aplicaciones de la IA reducen drásticamente el esfuerzo experimental y de diseño al permitir la automatización del laboratorio:

  •  Predecir la bioactividad de nuevos fármacos.
  •  Optimizar las condiciones de reacción.
  • Sugerir rutas sintéticas para moléculas diana complejas.

La gran utilidad son las herramientas de IA que realizan retrosíntesis. Empiezan con una estructura química que un químico quiere fabricar y luego trabajan hacia atrás para determinar los mejores materiales de partida y la secuencia de pasos de reacción para fabricarla. Entre los sistemas de IA que aplican este enfoque se encuentra, diseñado por investigadores de la Universidad de Münster (Alemania) y la Universidad de Shanghai (China) .

Progreso mixto es lo que los investigadores de IA llaman “diseño inverso”. En química, esto implica comenzar con las propiedades físicas deseadas y luego identificar sustancias que tengan esas propiedades y que, idealmente, puedan fabricarse a bajo costo. Por ejemplo, el diseño inverso basado en IA ayudó a los científicos a seleccionar materiales óptimos para fabricar diodos emisores de luz orgánicos fosforescentes azules.

La herramienta de predicción de la estructura de proteínas AlphaFold5, posiblemente la aplicación de IA química de mayor éxito, utiliza este enfoque de representación gráfica. Los creadores de AlphaFold lo entrenaron en un conjunto de datos formidable: la información del Banco de Datos de Proteínas, que se estableció en 1971 para cotejar el creciente conjunto de estructuras de proteínas determinadas experimentalmente y que actualmente contiene más de 200.000 estructuras. AlphaFold proporciona un excelente ejemplo del poder que pueden tener los sistemas de IA cuando se les proporciona suficientes datos de alta calidad.

 The AlphaFold machine-learning tool can predict 3D structures of full protein 
chains for 98% of human proteins Credit: Karen Arnott/EMBL-EBI

En un artículo publicado por Journal of Chemical Information and Modeling, se muestra el volumen de publicaciones referentes a la IA en la química por año.

Con el rápido crecimiento de la actividad investigadora mundial, el volumen de publicaciones científicas no ha dejado de aumentar en los últimos 20 años. Un análisis cuantitativo ayuda a comprender con qué rapidez aumentan las publicaciones de química que utilizan inteligencia artificial en relación con el incremento del total de publicaciones de química. Especialmente a raíz de la pandemia ha habido un incremento significativo. 

J. Chem. Inf. Model. 2021, 61, 7, 3197-3212

Últimamente, la inteligencia artificial es una de las áreas más citadas de la química. La química y la inteligencia artificial están indisolublemente unidas. Las aplicaciones de la Inteligencia Artificial y la Química en la industria sanitaria se centran sobre todo en el descubrimiento y desarrollo de fármacos. Con la integración de la tecnología y la medicina, la formulación y producción de fármacos ha evolucionado notablemente. Debido a la complejidad de la tecnología y los equipos empleados por los científicos, este método también ha sido producto de la mejora de la investigación y el desarrollo en el negocio farmacéutico. Sin embargo, la aplicación de la inteligencia artificial en química no se limita al desarrollo de fármacos. Va más allá de las moléculas y los bloques de construcción de enlaces químicos, que son los fundamentos de la ciencia. Cuando se trata de química y áreas afines, la IA puede ayudar en todo, desde la síntesis de moléculas hasta la identificación de propiedades moleculares. 


 Bibliografía:

https://www.nature.com/articles/d41586-023-01612-x

https://www.sciencedirect.com/science/article/abs/pii/S2214785321063446

https://pubs.acs.org/doi/10.1021/acs.jcim.1c00619

https://www.azom.com/article.aspx?ArticleID=21998


Comentarios

Entradas populares de este blog

Catálisis heterogénea

Primer material de referencia certificado en grano de café del mundo para el análisis de componentes.