• 100 años de estudios de Ciencias en la UVa: "El rol del machine learning en el diseño molecular", por Roi Naveiro Flores

  • Inicio: Martes, 14 noviembre 13:00
    Fin: Martes, 14 noviembre 14:00
  • Campus Universitario Miguel Delibes . Universidad de Valladolid, Paseo de Belén, Valladolid, España
  •  

    El prestigioso AI index annual report de la Universidad de Standford señala “la creciente inversión en inteligencia artificial para el diseño de fármacos” como uno de los hechos más reseñables en la IA en el año 2021. Y es que el uso de herramientas de inteligencia artificial (en particular el machine learning) aporta una nueva perspectiva al problema del descubrimiento de nuevos fármacos que podría suponer una verdadera revolución en el sector. 

    El diseño de fármacos tiene por objetivo encontrar una molécula que potencialmente pudiera inhibir (o fomentar) la actividad de cierta diana terapéutica que es clave en el desarrollo de una enfermedad. Ahora bien, se estima que el espacio químico (el conjunto de todas las moléculas que podrían servirnos como fármacos) cuenta con en torno a 10 elevado 60 moléculas. Muchas más que estrellas en el universo. De todos candidatos, una ínfima fracción, quizá tan solo uno (¡o incluso ninguno!) puede ser un fármaco eficaz. El problema: averiguar cuál. 

    El Machine Learning proporciona una manera rápida, eficiente y completamente disruptiva de navegar este espacio químico en busca del fármaco que necesitamos. En esta charla, exploraremos cómo la inteligencia artificial puede ser útil para explorar de manera efectiva el espacio de moléculas, los desafíos matemáticos que plantea, así como sus posibles limitaciones."

     

    El ponente es doctor en Estadística por la UCM y graduado en Física por la USAL. Su trabajo se centra en el ámbito del machine learning probabilístico, la estadística bayesiana y la teoría de la decisión, así como sus aplicaciones a problemas relacionados con el descubrimiento de fármacos y el diseño de materiales, entre otros. Ha publicado más de 15 artículos en revistas internacionales, ha participado en varios proyectos de investigación nacionales y europeos y ha sido investigador principal en proyectos industriales. Además, es socio de la spin-off del CSIC AItenea Biotech, enfocada en el uso del Machine Learning para el diseño molecular. Ha realizado estancias de investigación en la Universidad de Duke y en el Statistical and Applied Mathematical Sciences Institute (Durham, Carolina del Norte, EEUU). Recientemente, ha recibido el Premio de la Sociedad de Estadística e IO - Fundación BBVA 2023 a la mejor contribución metodológica en Investigación Operativa.