L’algoritmo SPARROW, sviluppato dai ricercatori del MIT, identifica automaticamente le migliori molecole da testare come potenziali nuovi farmaci. Questo innovativo strumento di intelligenza artificiale tiene conto di molteplici variabili, tra cui i costi di sintesi e il rischio di fallimento, per ottimizzare la selezione dei candidati molecolari. SPARROW integra informazioni da archivi online e modelli predittivi per migliorare l’efficienza nella scoperta di farmaci, ma può essere applicato anche in altri settori come l’agricoltura e l’elettronica organica.

Ottimizzazione dei costi e del valore

Determinare il costo e il valore di sintetizzare e testare una molecola è complesso. SPARROW affronta questa sfida considerando composti intermedi condivisi e le condizioni sperimentali necessarie per la sintesi batch, migliorando così l’efficienza del processo. L’algoritmo seleziona automaticamente il miglior sottoinsieme di candidati molecolari e le vie sintetiche più convenienti, bilanciando costi e probabilità di successo.

Versatilità e applicazioni future

SPARROW è unico perché può incorporare molecole progettate manualmente, esistenti nei cataloghi virtuali o generate da modelli di intelligenza artificiale. Valutato con tre casi di studio, l’algoritmo ha dimostrato di poter gestire centinaia di potenziali candidati molecolari e di ottimizzare i piani di sintesi. In futuro, i ricercatori intendono incorporare ulteriori complessità e migliorare l’algoritmo per considerare variabili aggiuntive, rendendo SPARROW uno strumento ancora più potente per la scoperta di farmaci e altre applicazioni scientifiche.

Per maggiori dettagli, leggi l’articolo completo qui.

I ricercatori del MIT hanno identificato un nuovo quadro algoritmico che identifica automaticamente le migliori molecole da testare per una scoperta farmaceutica più snella.

Crediti:Credito: iStock