¿Cómo potencian los modelos predictivos el descubrimiento de fármacos?

Conversación con el Dr. Adam Sanford y el Dr. Orr Ravitz, de CAS

Transparent blue capsules each holding intricate structures resembling cells or circuits.

En el panorama actual del descubrimiento de fármacos, en rápida evolución, los modelos predictivos se han convertido en herramientas esenciales para acelerar los flujos de trabajo mediante la simulación y la predicción de la actividad biológica, las interacciones entre fármacos y dianas, y mucho más. La utilidad de estos modelos depende en gran medida de la calidad y la gestión de los datos en los que se basan. A la vanguardia de esta revolución tecnológica se encuentra CAS, cuya plataforma CAS BioFinder Discovery Platform™ funciona con modelos predictivos avanzados. Para comprender cómo la precisión de estos modelos proporciona información valiosa a los científicos dedicados al descubrimiento de fármacos, hablamos con Adam Sanford, doctor y director de la división de ciencias biológicas, y con Orr Ravitz, doctor y director sénior de productos de CAS BioFinder®, para profundizar en las rigurosas estrategias de gestión de datos que convierten a CAS en líder en este campo.

CAS: ¿Cuál es el enfoque de CAS respecto a la integración, normalización y armonización de datos para respaldar sus modelos predictivos?

CAS: ¿Cómo ayuda ese enfoque a que sus modelos beneficien a los investigadores en el descubrimiento de fármacos?

CAS: ¿Cuáles son algunos de los mayores desafíos a los que se ha enfrentado en el desarrollo de los modelos?

CAS: Dado que las publicaciones y los datos están surgiendo constantemente, ¿cómo asegura CAS que estos modelos se mantengan actualizados?

CAS: ¿Hay algo en el horizonte para CAS BioFinder y sus modelos predictivos que le entusiasme especialmente?

CAS: ¿Qué hace que este enfoque de modelización predictiva en el descubrimiento de fármacos sea único?

CAS: Si tuviera una varita mágica para cambiar algo sobre el proceso de descubrimiento de fármacos, ¿qué cambiaría?