IFPTML AlgorithmsFrom Cheminformatics Models to Software Development, StartupCreation, and Innovation Transference

Resumo

A irrupción nas tecnoloxías de detección de alto rendemento de drogas (HTS) provocou una explosión no informe de datos de ensaios preclínicos para novos compostos de acerto a plomo con potencial como ingredientes farmacéuticos activos (API) na industria farmacéutica. A análise de todos estes datos con técnicas de Intelixencia Artificial (IA) pode levar ao desenvolvemento de novos modelos preditivos. Estes modelos poden utilizarse á súa vez para predicir compostos máis específicos e seguros que a consecuente redución de custos en tempo e recursos no desenvolvemento de API. Non obstante, a análise da intelixencia artificial presenta moitos dos desafíos dos problemas de Big Data. Significa, en breve, problemas de análise de datos con problemas relacionados co volume, a velocidade, a veracidade, a variabilidade, o valor e a complexidade (5V + C). A primeira e a segunda V son máis ou menos autoexplicativas e as cuestións de Variabilidade, Veracidade, Valor e Complexidade refírese a datos con problemas de falta de datos, tendencias non consistentes, erros, informes contraditorios, interrelacións como co-linealidade/co-linealidade. etiquetas dependentes que forman redes complexas, información de lectura cruzada (multi-especie, multi-saída, multiescala), perturbacións en varias variables de entrada/saída, problemas de multi-etiquetado, etc. Neste contexto, o noso grupo introduciu a fusión de información, Teoría da perturbación e algoritmo de aprendizaxe automática (IFPTML) para facilitar o desenvolvemento de modelos de lectura cruzada de múltiples saídas capaces de predecir múltiples resultados de compostos/fármacos químicos en ensaios preclínicos. O noso grupo tamén informou dun software calle SOFT.PTML que é unha plataforma de propósito xeral para o modelado IFPTML. Non obstante, moitos aspectos aínda están por cubrir. Moitos problemas como o descubrimento de compostos anticanceríxenos, os estudos de ensaios de compostos alostéricos non foron analizados con algoritmos IFPTML. Ademais, aínda non se informou de software específico e amigable para estes problemas. Por último, a pesar da potencial aplicación na industria non se desenvolveu ningunha empresa de inicio (ao comezo desta tese) para a transferencia da tecnoloxía IFPTML á industria. En consecuencia, o obxectivo desta tese céntrase en primeiro lugar no desenvolvemento de novos modelos IFPTML de ensayos de compostos anticanceríxenos e compostos alostéricos. A continuación, informamos do desenvolvemento do software LAGA fácil de usar para a predición de lectura cruzada de compostos anticanceríxenos. Por último, describimos a planificación, creación, estrutura, servizos, etc. de IKERDATA S.L unha nova startup interuniversitaria centrada na transferencia de tecnoloxía IFPTML a empresas galegas e do País Vasco en primeira instancia con perspectivas de España, Europa e Europa. Proxección mundial.