IBM Research ha puesto en código abierto dos modelos fundacionales biomédicos, ofreciendo a la comunidad científica potentes herramientas para el descubrimiento de fármacos.
Los modelos incluyen varias modalidades diferentes (incluidas secuencias, gráficos e imágenes) y cubren múltiples dominios (incluidos objetivos, moléculas pequeñas y productos biológicos), lo que les da una ventaja sobre otros modelos en el espacio abierto.
"El principal desafío y la brecha en los modelos existentes es abordar cómo agregar información de múltiples modalidades y conectarlas en múltiples dominios", dice Michal Rosen-Zvi, director de IA para el descubrimiento de fármacos en IBM Research. "Estamos abordando estas brechas con los modelos de código abierto y las metodologías detrás de ellos". La IA generativa puede agilizar el desarrollo tradicional de fármacos, que suele ser largo y costoso. Normalmente, el proceso de desarrollo consta de cuatro fases críticas: identificar una proteína diana vinculada a una enfermedad, confirmar que la interacción con esta diana puede prevenir los síntomas o curar la afección, descubrir una molécula pequeña o un agente biológico que interactúe con la diana y optimizar la terapia candidata.
"En última instancia, creemos que nuestros modelos tienen el potencial de impulsar el descubrimiento científico con mayor velocidad y a escala", afirma Jianying Hu, miembro de IBM y director de investigación en salud y ciencias de la vida.
Los investigadores afirman que la decisión de abrir ambos modelos también surgió de la convicción de que los modelos fundacionales de IA responsable necesitan desarrollarse con código abierto. Con ese fin, IBM Research ha comenzado a trabajar en colaboración con la Universidad de Boston, Red Hat y Cleveland Clinic en un nuevo grupo de trabajo de AI Alliance dedicado a las aplicaciones de código abierto en el descubrimiento de fármacos. Comenzará en la Universidad de Boston el 30 de octubre de 2024. "El código abierto permitirá a la comunidad reunir a las mejores y más brillantes mentes y trabajar juntas para abordar las cuestiones más difíciles haciendo frente a las lagunas actuales en los métodos computacionales para el descubrimiento de fármacos", afirma Rosen-Zvi.