08/07/2025
El machine learning (ML) se ha convertido en una herramienta clave para acelerar el descubrimiento de fármacos, permitiendo analizar grandes volúmenes de datos químicos y biológicos de forma eficiente. Dentro del ML, existen dos enfoques principales: el aprendizaje supervisado, que utiliza datos etiquetados para predecir propiedades como actividad biológica o toxicidad, y el aprendizaje no supervisado, que identifica patrones o agrupamientos en datos no etiquetados, útil para clasificar compuestos o reducir la dimensionalidad de bases moleculares.
Ambos métodos se aplican en etapas críticas del diseño de fármacos: desde la selección de blancos terapéuticos y cribado virtual, hasta la predicción de propiedades farmacocinéticas y seguridad. La integración de estos enfoques ha permitido reducir costos, tiempo y fallos en fases clínicas, posicionando al machine learning como una tecnología esencial en la investigación farmacéutica moderna.
SciTech In
Join Zoom Meeting
https://cuaieed-unam.zoom.us/j/5851294165?pwd=NXhWdFBxYWE3RUV3Qlp1anREbEZ4dz09
Meeting ID: 585 129 4165
Passcode: 4kGGuV
Secretaría de Ciencia Secretaría de Educación Pública UNAM Universidad Nacional Autónoma de México Tecnológico de Monterrey Instituto de Investigaciones Biomédicas - IIBO, UNAM SEPI ENCB La Salle MX / Vicerrectoría de Investigación Coordinación de QFB - FQ, UNAM CFATA UNAM Instituto Politécnico Nacional(IPN) ESM IPN ENCB - IPN POSGRADO ENCB - IPN UAM XOCHIMILCO UAM-UNIVERSIDAD AUTONOMA METROPOLITANA📝 UABJO Universidad Autónoma "Benito Juárez" de Oaxaca UANL Tecnológico de Monterrey Docking Drawer Machine learning and artificial intelligence
