La búsqueda de la combinación perfecta entre una molécula y un disolvente es un desafío constante en la química, especialmente en la industria farmacéutica. Ahora, gracias a la inteligencia artificial, este proceso podría volverse mucho más eficiente. Un equipo de ingenieros químicos del MIT ha creado un modelo de machine learning capaz de predecir con precisión cómo se disolverá una molécula en un disolvente orgánico.
¿Por qué es importante predecir la solubilidad?
La solubilidad es un factor crítico en la síntesis de casi cualquier producto farmacéutico o químico. Saber qué disolvente utilizar para una reacción específica puede marcar la diferencia entre el éxito y el fracaso. Tradicionalmente, los químicos han utilizado modelos como el Modelo de Solvatación de Abraham, pero su precisión es limitada.
Lucas Attia, estudiante de posgrado del MIT y uno de los autores principales del estudio, explica: “Predecir la solubilidad es un paso que limita la velocidad en la planificación sintética y la fabricación de productos químicos, especialmente fármacos, por lo que ha existido un interés constante en poder hacer mejores predicciones de solubilidad”.
FastSolv: El modelo de IA que está revolucionando la química
El nuevo modelo, llamado FastSolv, surge de un proyecto realizado en un curso del MIT sobre la aplicación de machine learning a problemas de ingeniería química. Este modelo se basa en un conjunto de datos masivo llamado BigSolDB, que contiene información sobre la solubilidad de aproximadamente 800 moléculas en más de 100 disolventes orgánicos.
FastSolv utiliza representaciones numéricas de las estructuras químicas de las moléculas, conocidas como embeddings, para predecir su solubilidad. Lo sorprendente es que, aunque se esperaba que un modelo más complejo llamado ChemProp superara a FastSolv, ambos obtuvieron resultados similares. Esto sugiere que la principal limitación en la precisión de las predicciones es la calidad de los datos de entrenamiento.
Ventajas y aplicaciones de FastSolv
Una de las mayores ventajas de FastSolv es su capacidad para identificar disolventes menos peligrosos para el medio ambiente. Jackson Burns, otro de los autores del estudio, comenta: “Hay algunos disolventes que se sabe que disuelven la mayoría de las cosas. Son realmente útiles, pero son perjudiciales para el medio ambiente y para las personas, por lo que muchas empresas exigen que se minimice la cantidad de esos disolventes que se utilizan. Nuestro modelo es extremadamente útil para poder identificar el siguiente mejor disolvente, que esperamos que sea mucho menos perjudicial para el medio ambiente”.
Además, FastSolv es de acceso libre y ya está siendo utilizado por varias empresas y laboratorios. Sus aplicaciones son amplias, desde el descubrimiento de fármacos hasta el diseño de nuevos materiales.
El futuro de la predicción de solubilidad
Aunque FastSolv representa un gran avance, los investigadores creen que su precisión podría mejorarse aún más con datos de entrenamiento de mayor calidad. Idealmente, estos datos deberían ser generados por un único equipo utilizando métodos experimentales estandarizados.
En resumen, FastSolv es una herramienta poderosa que promete acelerar el desarrollo de nuevos fármacos y productos químicos, al tiempo que contribuye a la creación de una industria más sostenible. La inteligencia artificial está demostrando una vez más su capacidad para transformar campos tan diversos como la química y la farmacéutica.
Fuente: MIT News
Leave a Comment