A lo largo de la historia, los humanos han sentido fascinación por el proceso de envejecimiento y han intentado entenderlo y combatirlo. Por ejemplo, la medicina tradicional china incluía remedios herbarios y técnicas de acupuntura diseñados para fomentar la salud y la longevidad. En la década de 1930 se produjo un hito clave cuando se descubrió que la restricción calórica alargaba la esperanza de vida de ratones y ratas. Otras investigaciones revolucionarias realizadas en el siglo XX exploraron el papel de factores como la genética y la senescencia celular.

CAS ha identificado más de 500 000 artículos científicos (principalmente artículos de revistas y patentes) relacionados con la fisiología del envejecimiento y las estrategias antienvejecimiento. Se ha producido un incremento constante de estos artículos a lo largo del tiempo y las iniciativas de investigación se han intensificado en la última década (figura 1).

La tendencia de la investigación antienvejecimiento no da muestras de ralentización. La Organización Mundial de la Salud (OMS) estima que en 2050 la población mundial de personas con 60 años o más será superior a 2000 millones. Este cambio demográfico hacia una población más envejecida ha aumentado el interés por la investigación antienvejecimiento y la inversión realizada en este campo para hacer frente a las enfermedades relacionadas con la edad y fomentar un envejecimiento saludable. La Asamblea General de las Naciones Unidas declaró el periodo 2021-2030 "Década del envejecimiento saludable", un programa que promueve la colaboración global para encontrar intervenciones que puedan aumentar la esperanza de vida y mejorar la calidad de vida de las personas de más edad.

Aunque el envejecimiento es un factor de riesgo para muchas enfermedades crónicas, hay interés por fomentar un "buen envejecimiento" centrando los esfuerzos en la salud general y el bienestar. En este artículo, profundizamos en el proceso de envejecimiento y exploramos una amplia gama de intervenciones dirigidas a fomentar un envejecimiento óptimo y una mayor longevidad. ¿Cuáles de estas estrategias de tratamiento antienvejecimiento tienen más potencial para mejorar el proceso de envejecimiento?

Envejecimiento: no solo una cuestión de piel

Con frecuencia, el término "antienvejecimiento" hace pensar en los signos visibles del envejecimiento de la piel, como las arrugas y la flacidez. El envejecimiento cutáneo se estudia de manera exhaustiva por sus efectos sociales y psicológicos. La piel, el órgano más grande del cuerpo, desempeña un papel protector crucial contra los factores medioambientales. Con la edad, la capacidad de la piel para cumplir esta función puede disminuir, lo que afecta a la salud general. Aunque el envejecimiento cutáneo es un proceso natural, se pueden adoptar medidas para ralentizarlo y mantener la piel sana. Los sectores de la cosmética y el cuidado de la piel, representados por empresas como L'Oreal y Amorepacific, tienen un interés considerable en esta área y son titulares de numerosas patentes relacionadas con este campo. Estos productos contienen ingredientes como el ácido hialurónico o la vitamina E que actúan sobre las capas superficiales de la piel.

El proceso de envejecimiento es mucho más complejo de lo que vemos en la superficie. A grandes rasgos, el envejecimiento se define como un declive funcional gradual de la capacidad intrínseca de un organismo vivo para defenderse, mantenerse y repararse con el fin de seguir funcionando de una manera eficiente. El cerebro es especialmente sensible a los efectos del envejecimiento, que provoca cambios en su tamaño, su vasculatura y su capacidad cognitiva. Eso genera un riesgo mayor de desarrollar algunos trastornos neurológicos al envejecer, como la enfermedad de Alzheimer.

El envejecimiento también se caracteriza por una pérdida gradual de forma fisiológica que afecta a todo el cuerpo y que provoca un deterioro de las funciones y una mayor vulnerabilidad. Aunque el envejecimiento no es, en sí, la causa directa de enfermedades graves como el cáncer, la diabetes y los trastornos cardiovasculares, es un factor de riesgo importante para estas y otras muchas enfermedades. El reconocimiento de esta relación ha impulsado un rápido crecimiento del campo de la investigación del envejecimiento.

Las marcas distintivas del envejecimiento

El envejecimiento es, en esencia, la acumulación del deterioro a lo largo del tiempo, que se traduce en unos cambios fisiológicos concretos conocidos como marcas distintivas del envejecimiento. En 2013, se definieron nueve marcas moleculares y celulares del envejecimiento que proporcionaron un marco de trabajo para la investigación futura. Entre estas marcas se incluyen la inestabilidad genómica, la atrición telomérica, las alteraciones epigenéticas, la pérdida de proteostasis, la desregulación de la detección de nutrientes, la disfunción mitocondrial, la senescencia celular, el agotamiento de las células madre y las alteraciones de la comunicación celular (figura 2).

Para complicar aún más las cosas, las distintas marcas del envejecimiento están interconectadas y se pueden reforzar mutuamente (figura 3). De hecho, estas marcas están tan interrelacionadas que algunos investigadores creen que deberíamos considerar el envejecimiento un proceso que opera en cuatro capas, cada una a una escala biológica diferente. Sin embargo, al analizar el envejecimiento, está claro que entender las relaciones entre estas marcas diferentes puede ayudar a desarrollar intervenciones eficaces para prevenir o tratar las enfermedades relacionadas con la edad.  

¿Cuáles son las estrategias de tratamiento antienvejecimiento más prometedoras?

Se han explorado diversas estrategias de tratamiento antienvejecimiento que tienen como objetivo actuar sobre las marcas del envejecimiento, en muchos casos sobre varias de ellas (figura 4). A continuación se describen cinco de esas intervenciones, junto con las evidencias que respaldan cada estrategia, para determinar cuáles de ellas tienen más potencial.

El ejercicio físico tiene un importante efecto antienvejecimiento a nivel celular, relacionado con todas y cada una de las marcas del envejecimiento. La investigación sobre el ejercicio físico como intervención para los problemas relacionados con la edad está consolidada y los ensayos clínicos están ofreciendo resultados prometedores. Varios ensayos destacados están explorando los efectos del ejercicio físico en la enfermedad de Alzheimer, la inestabilidad en la marcha, la función cognitiva y el trastorno de estrés postraumático (tabla 1).

La intervención alimentaria como estrategia antienvejecimiento

Recientemente, se ha documentado que dos intervenciones alimentarias, la restricción calórica y el ayuno intermitente, prolongan la vida saludable del sistema nervioso al actuar sobre las vías de señalización metabólicas y celulares que regulan la longevidad. Aunque esta estrategia ha tenido éxito en modelos animales, la restricción calórica es difícil de aplicar en humanos, ya que exige un alto nivel de autocontrol y determinación. Un método alternativo es emular sus efectos usando "miméticos de restricción calórica". Al igual que el ejercicio físico, la restricción calórica es una estrategia antienvejecimiento que se ha investigado extensamente y que en la actualidad se está estudiando en varios ensayos clínicos (tabla 2).  

La manipulación metabólica como estrategia antienvejecimiento

Se sabe que la vía de señalización de la diana de la rapamicina en mamíferos (mTOR) desempeña en el metabolismo celular un papel importante que asocia la detección de nutrientes con procesos celulares críticos que impulsan el crecimiento y la proliferación de las células. La inhibición de mTOR con agentes como la rapamicina se ha explorado extensamente en ensayos clínicos antienvejecimiento sobre diversos trastornos, como la fragilidad y la sarcopenia relacionadas con la edad (tabla 3). 

La senoterapia como estrategia antienvejecimiento

La senoterapia consiste en el desarrollo de posibles agentes y enfoques terapéuticos para actuar expresamente sobre la senescencia celular, un problema relacionado con el envejecimiento y con las patologías asociadas con la edad. Se están investigando varias estrategias senoterapéuticas. Resulta especialmente prometedor el uso de senolíticos, unas pequeñas moléculas que pueden eliminar de forma selectiva las células senescentes que causan numerosos trastornos relacionados con el envejecimiento. Esta actuación sobre las células en proceso de envejecimiento ya se está evaluando en varios ensayos clínicos (tabla 4).

La reprogramación celular como estrategia antienvejecimiento

¿Es posible darle la vuelta al reloj a nivel celular? Esto es exactamente lo que trata de hacer la reprogramación celular mediante la conversión de las células maduras totalmente diferenciadas en células madre pluripotentes. Al reprogramar las células de esta forma, podemos mejorar varias marcas de la edad como la disfunción mitocondrial, la atrición telomérica, los cambios de las alteraciones epigenéticas, la inestabilidad genómica y la senescencia. Aunque estas investigaciones están dando aún sus primeros pasos, esta estrategia ha demostrado potencial en modelos preclínicos. 

Al hacer frente a los retos relacionados con el envejecimiento de la población, la investigación sobre estrategias antienvejecimiento ofrece la posibilidad de transformar nuestra manera de envejecer, mejorar nuestro bienestar general e impulsar el crecimiento de una comunidad global más saludable y activa.

Para obtener más información sobre el apasionante y dinámico campo de la investigación antiedad, lea aquí el artículo más reciente de nuestra revista.

En la actual era de la información, realizar una búsqueda exhaustiva de patentes es esencial para los investigadores, los equipos jurídicos y las empresas. Pasar por alto documentos relevantes por no contar con procesos que permitan encontrarlos de una forma rápida y rentable podría tener consecuencias dramáticas. Sin embargo, realizar búsquedas exhaustivas puede resultar abrumador y llevar mucho tiempo, especialmente cuando los recursos son limitados. La buena noticia es que las herramientas avanzadas y la tecnología diseñada para las búsquedas de propiedad intelectual (PI) pueden ayudar a aligerar esta carga y mejorar la eficiencia. En este artículo, se ofrecen consejos para usar herramientas y estrategias que pueden ayudarle a realizar búsquedas exhaustivas y a obtener una información más precisa sobre las patentes en menos tiempo.

• Consejo 1: use bases de datos completas y seleccionadas por expertos.
• Consejo 2: use herramientas de IA y tecnología de búsqueda de precisión para optimizar su estrategia de búsqueda.
• Consejo 3: optimice la búsqueda de familias de patentes.
• Consejo 4: configure alertas para las nuevas solicitudes de patentes o los cambios que se produzcan en las patentes ya existentes.
• Consejo 5: colabore con socios que tengan experiencia en el ámbito de la PI y en su campo.

Consejo 1: use bases de datos completas y seleccionadas por expertos

Es frecuente que los investigadores de PI ejecuten búsquedas en varias bases de datos para garantizar la exhaustividad de la búsqueda y la identificación de los resultados relevantes. Las variaciones en el tema tratado, la cobertura de los documentos y las prácticas de indexación influyen en los resultados obtenidos. Una estrategia de búsqueda eficaz ejecutada en distintas bases de datos puede mejorar la exhaustividad y ayudarle a entender el conjunto de resultados y a acotar la consulta para obtener la información que necesita sin pasar por alto documentos esenciales.

Cómo puede ayudar CAS

CAS permite a los especialistas en búsquedas acceder a una completa recopilación de contenido de los principales publicadores y bases de datos del mundo dentro de una única plataforma: CAS STNext^®.

CAS STNext combina contenido químico acreditado seleccionado por científicos de CAS, una recopilación exhaustiva de información y textos completos de patentes y más de 130 bases de datos globales de prestigio del ámbito químico, biomédico, farmacéutico, de propiedad intelectual y de ingeniería.

Los buscadores pueden usar bases de datos con valor añadido, bases de datos de texto completo y agrupaciones centradas en características o temas concretos para crear una estrategia de búsqueda exhaustiva que responda a sus necesidades.

Además, los usuarios CAS STNext pueden acceder a bases de datos seleccionadas por CAS, lo que les permite llevar a cabo búsquedas precisas. Por ejemplo, si desea buscar PI química, puede centrar la búsqueda en moléculas concretas. Pero ¿está teniendo en cuenta las sustancias escondidas en las reivindicaciones de estructuras de Markush? Las estructuras de Markush, una especie de esquema genérico empleado para describir con brevedad muchos materiales estructuralmente similares, se deben tener en cuenta y entender cuando se realizan búsquedas de PI.

Una búsqueda de estructuras químicas genéricas puede identificar miles de sustancias diferentes, pero solo algunas de ellas se ajustarán con precisión a la sustancia buscada. Cuando se realiza una búsqueda amplia y genérica en una base de datos de sustancias químicas específicas, solo se obtienen aquellas que coinciden con las mismas sustancias químicas, pero no se identifican reivindicaciones esenciales que incluyen estructuras de Markush. Con las herramientas incluidas en CAS STNext, puede realizar búsquedas en más de 1,3 millones de estructuras de Markush y asegurarse de que no se ha omitido ningún resultado relevante.

Consejo 2: use herramientas de IA y tecnología de búsqueda de precisión para optimizar algunos aspectos de la búsqueda de patentes

La Oficina Europea de Patentes descubrió que las búsquedas de patentes exhaustivas usan 1300 millones de registros técnicos de 179 bases de datos, de modo que las búsquedas de patentes mensuales encuentran aproximadamente 600 millones de documentos. Es necesario contar con soluciones que permitan efectuar búsquedas de patentes completas y actualizadas. Existen algunas plataformas de búsqueda avanzada, pero se ven limitadas por las características de las bases de datos. La única forma de lograr que una búsqueda sea exhaustiva es dedicarle muchísimo tiempo.

Los algoritmos de IA pueden mejorar la eficiencia optimizando algunos aspectos de la estrategia de búsqueda, como la detección de resultados relevantes que podrían haberse pasado por alto.

Cómo puede ayudar CAS 
CAS ofrece una tecnología exclusiva de búsqueda de estado de la técnica mejorada con IA en CAS STNext. El motor de similitud de patentes de CAS crea una lista de referencias sobre patentes y citadas en patentes relevantes que se han publicado antes que el documento de patente inicial para encontrar información de patentes que podría no haberse detectado en la búsqueda original.

Veamos un ejemplo de esta función basada en la IA de CAS.CAS, en colaboración con el Instituto Nacional de la Propiedad Industrial (INPI) de Brasil, ha desarrollado un conjunto de diez algoritmos basados en la IA que generaron una lista única de resultados de búsqueda de estado de la técnica ordenados y con un alto grado de precisión. Al integrar algoritmos basados en la IA en sus flujos de trabajo de búsqueda, el INPI de Brasil logró mejorar la eficiencia de sus búsquedas de patentes:

El 77 % de las solicitudes locales procesadas requirieron menos tiempo para las búsquedas; 
el 29 % de estos procesos no requirió búsquedas fuera de los resultados de búsqueda optimizados por la IA.

Consejo 3: optimice la búsqueda de familias de patentes

Las patentes relacionadas de una familia de patentes se pueden presentar en distintas jurisdicciones y regiones geográficas, pero están vinculadas por la solicitud prioritaria (es decir, la patente básica): la primera solicitud de la patente, que establece la fecha de la prioridad de la familia y sirve como base de las reivindicaciones y las especificaciones de las patentes relacionadas.

Conocer el alcance y la cobertura de las patentes relacionadas de una familia ayuda a los titulares de las patentes, los solicitantes de patentes y los posibles licenciatarios a tomar decisiones fundamentadas sobre si desean solicitar una licencia, impugnar la validez de patentes y asignar recursos a iniciativas de I+D a largo plazo. Sin embargo, realizar búsquedas completas en familias de patentes es difícil y requiere mucho tiempo. Esto se debe a las complejidades de la presentación de solicitudes de patentes en varias jurisdicciones, las incoherencias en la indexación de las distintas bases de datos, las barreras idiomáticas y la sofisticación científica de la innovación.

A esta tarea, ya de por sí compleja, se añade la dificultad de la variación de las reivindicaciones. El conjunto inicial de reivindicaciones presentadas en una solicitud de patente suele ser idéntico en todas las patentes relacionadas de una familia de patentes. Sin embargo, durante el proceso de tramitación, en el que se producen interacciones entre el solicitante y la oficina de patentes, las reivindicaciones pueden enmendarse o limitarse en respuesta a objeciones del examinador o para evitar conflictos con otras patentes ya existentes. Como resultado, cuando se completa la tramitación, puede haber diferencias en las reivindicaciones de las patentes relacionadas de una familia de patentes.

Para superar estos desafíos, los buscadores de patentes suelen usar una combinación de técnicas de búsqueda que incluye palabras clave, clasificaciones y citas. También tienen que estar familiarizados con las distintas bases de datos y herramientas de búsqueda disponibles para la búsqueda de patentes, así como con las leyes y normativas sobre patentes de las distintas jurisdicciones. Además, los buscadores de patentes pueden colaborar con abogados especializados en patentes y expertos técnicos para asegurarse de identificar todas las patentes relevantes de una familia.

Cómo puede ayudar CAS

CAS STNext es su fuente de datos fiables de las principales bases de datos de familias de patentes de todo el mundo y ofrece diversas funciones para garantizar que las búsquedas son exhaustivas. Por ejemplo:

• Funciones de búsqueda en varios archivos.
• Comandos sencillos para buscar registros adicionales de una familia, por ejemplo, patentes relacionadas y equivalentes.
• Una descripción intuitiva de la relación existente entre las reivindicaciones de una solicitud de patente.

Obtenga más información acerca de la búsqueda de patentes en CAS STNext.

Consejo 4: configure alertas para las nuevas solicitudes de patentes o los cambios que se produzcan en las patentes ya existentes

Según la Oficina de Patentes y Marcas de Estados Unidos, en 2020 se presentaron 646 244 solicitudes de patentes en Estados Unidos. Es imprescindible estar al tanto de los nuevos documentos de patentes publicados para que los buscadores de patentes no pasen por alto avances innovadores que podrían ayudar a identificar un mercado creciente atractivo para invertir o la necesidad de lidiar con un nuevo competidor.

Se han integrado herramientas de búsqueda avanzada que envían alertas cuando se añaden nuevas entradas que coinciden con los criterios de búsqueda para ayudarle a mantenerse informado sobre el panorama de las patentes y a reducir el proceso de búsqueda iterativo.

Cómo puede ayudar CAS 
Las soluciones de STN IP Protection Suite^TM ofrecen funciones de alertas personalizadas que envían notificaciones cuando se obtienen resultados que coinciden con la consulta guardada.

Además, FIZ PatMon, que forma parte de STN IP Protection Suite, mejora la eficiencia de la monitorización de patentes con funciones que envían alertas para actividades como las siguientes:

• Solicitudes de patentes a lo largo de todo el proceso de tramitación de la patente.
• Cambios de la validez de la patente.
• Aparición de patentes de competidores en el mercado local o en otros países.
• Oposiciones y retiradas de patentes relevantes.
• Concesión de patentes en países concretos.

Estas funciones ayudan a los miembros de una organización a obtener alertas personalizadas adaptadas a sus criterios de búsqueda, lo que reduce la necesidad de realizar comprobaciones manuales de patentes, que resultan lentas y tediosas.

Consejo 5: colabore con socios que tengan experiencia en el ámbito de la PI y en su campo

Dada la rápida evolución de las demandas de búsquedas de PI, responder a ellas puede resultar abrumador. Los retrasos en esta área pueden llevar a pasar por alto actividades de competidores que podrían influir en decisiones de inversión futuras o documentos esenciales que pueden afectar a su capacidad de hacer negocios.

La colaboración con expertos en búsquedas de su sector puede responder de manera eficiente a sus necesidades de búsqueda de PI, ya que le permitirá acceder al contenido que necesita, a las herramientas de búsqueda más eficientes y a formación y conocimientos especializados que le ayudarán a solventar las lagunas y garantizar el éxito.

Cómo puede ayudar CAS
El equipo de CAS cuenta con conocimientos técnicos profundos tanto en el ámbito de la PI como en diversos sectores científicos

Nuestro equipo está entrenado para encontrar información a la que otros buscadores no tienen acceso.

Colabore con CAS si necesita ayuda para responder a sus necesidades de búsqueda y disfrute de la tranquilidad de saber que sus búsquedas de patentes son exhaustivas y detalladas.

Resumen

• Realizar búsquedas de PI y mantenerse al tanto de los últimos avances es vital para cualquier organización, ya que puede influir en las decisiones relacionadas las inversiones o con los nuevos competidores. Los siguientes consejos le ayudarán a aumentar la eficiencia de sus búsquedas de patentes:
• Use bases de datos exhaustivas y seleccionadas por expertos para simplificar el análisis de datos complejos y evitar pasar por alto fuentes de contenido relevantes.
• Valore soluciones que combinen las búsquedas basadas en la IA con otras soluciones de precisión. Además de reconocer innovaciones relacionadas, la IA puede ayudarle a identificar términos adicionales o características concretas que le permitirán diseñar una estrategia de búsqueda más sólida.
• Simplifique la búsqueda de familias de patentes detectando patentes similares de todas las jurisdicciones y asegurándose de que entiende la cobertura global.
• Manténgase al tanto de las solicitudes de patentes más recientes con herramientas de búsqueda avanzada que enviarán notificaciones cuando aparezcan nuevas entradas que coincidan con su consulta. ¡Se acabaron las búsquedas tediosas y repetitivas!
• Colabore con expertos en PI y en su sector para simplificar y optimizar su proceso de búsqueda de patentes. 
   

Obtenga más información sobre STN IP Protection Suite.

Hay numerosos tratamientos antienvejecimiento, desde terapias con células madre y ácido hialurónico a una nueva hornada de fármacos estudiados en ensayos clínicos. ¿Qué aportan estas nuevas estrategias, comparadas con prácticas ya establecidas como la dieta, el ejercicio y los antioxidantes? Siga leyendo y descubra algunas claves sobre las tendencias emergentes, las nuevas investigaciones y las oportunidades en este breve resumen. Si desea leer un análisis más detallado del panorama de los tratamientos antienvejecimiento, puede encontrar el manuscrito de nuestro artículo más reciente aquí.

Las búsquedas exhaustivas de patentes son vitales para ayudar a las organizaciones a innovar con rapidez y tomar decisiones de negocio acertadas protegiendo a la vez sus derechos de propiedad intelectual.  

Una búsqueda de patentes puede ayudar a las organizaciones a:

• Identificar nuevas oportunidades de negocio. Realizar un análisis del panorama le ayudará a identificar carencias en su campo y áreas para las que no se han concedido patentes. Eso puede contribuir a orientar las iniciativas de inversión y maximizar los beneficios.
• Reforzar el análisis de la competencia. Conocer las actividades de patentes de sus competidores le ayudará a identificar las innovaciones relevantes en una fase temprana del proceso y a tomar decisiones sobre los mercados, las regiones geográficas y las innovaciones por los que se debe apostar.
• Defenderse frente a las nuevas amenazas. Para proteger los activos de PI y seguir siendo competitivos, es esencial monitorizar constantemente el entorno externo. Con frecuencia, las empresas tienen información sobre las patentes pertenecientes a sus competidores y la actividad asociada, pero carecen de una estrategia que examine las innovaciones que se producen cuando un competidor aún no ha presentado una solicitud de patente pero sigue llevando a cabo actividades que infringen la propiedad intelectual de la compañía.

Ante el ritmo vertiginoso de la innovación actual, las demandas de búsqueda de patentes están evolucionando. La complejidad del panorama competitivo aumenta día tras día, lo que hace que para las organizaciones sea esencial acceder a conocimientos de PI exhaustivos y fiables para diseñar una estrategia de negocio y de I+D.

Asociarse con expertos en búsquedas de su sector e invertir en herramientas lo suficientemente sofisticadas para sus innovaciones puede ayudarle a consultar y utilizar la información de PI disponible en el conjunto de la organización.

El porqué: armonice la PI y la I+D y aumente su eficiencia

En el ámbito científico, las búsquedas exhaustivas del panorama y de patentes son lentas y requieren una gran cantidad de recursos a causa del volumen, la velocidad y la complejidad de la innovación, que se suman a la rápida evolución de la tecnología.  

Las lagunas de la estrategia de búsqueda de PI de una empresa o el uso de fuentes de datos incompletas pueden hacer que se pase por alto información importante para tomar decisiones críticas de inversión e I+D.

Con demasiada frecuencia, la exhaustividad y la fiabilidad de las búsquedas de PI se ven limitadas por el área de especialización, el ancho de banda y las herramientas de búsqueda de los analistas. Estas limitaciones pueden provocar retrasos costosos y lagunas en la estrategia de PI e I+D de una organización. Colaborar con expertos con un historial de éxito en su campo le dará acceso a la información que necesita para asegurarse de que sus actividades de búsqueda de PI sean exhaustivas, sistemáticas y eficientes.

La I+D presenta, además, otro desafío: en muchos casos, los investigadores no tienen tiempo ni acceso a la información y carecen de experiencia con las búsquedas de PI. Para maximizar las oportunidades y agilizar las iniciativas de PI, las organizaciones deben dar a los miembros de su equipo de I+D acceso a los conocimientos de los analistas de patentes de la empresa y herramientas que les ayuden a obtener información de PI a lo largo del ciclo de desarrollo.

Un socio de confianza puede ayudarle a:

Acelerar las búsquedas del panorama de patentes. Dada la velocidad de los cambios en los campos de la química y las ciencias médicas y biológicas, identificar las lagunas de los panoramas competitivos en el menor tiempo posible es esencial para tomar decisiones de negocio. Trabajar con socios de búsqueda de PI familiarizados con la tecnología, la terminología y el sector acelerará su proceso de búsqueda.

Busque un socio que le dé acceso a un contenido exhaustivo y soluciones de flujo de trabajo diseñadas para las búsquedas científicas y de PI con el fin de facilitar la ejecución de búsquedas completas y generar conocimientos útiles.

Proporcionar soporte para la actividad de I+D. Los socios pueden ayudarle a identificar áreas de oportunidad en su campo dándole acceso a información sobre las lagunas, las áreas de riesgo y las áreas de oportunidad para la investigación. Además, los socios de confianza le ayudarán a formular las búsquedas con más eficacia, a compartir los resultados con las partes interesadas y a configurar programas de monitorización para mantenerse al tanto de los cambios.

Aligerar su carga de trabajo. Llevar a cabo una búsqueda exhaustiva y a la vez eficiente puede resultar abrumador, sobre todo en el espacio de la química y las ciencias médicas y biológicas. Trabajar con un socio de confianza puede darle acceso a conocimientos expertos cuando más los necesite para resolver sus carencias en cuanto a capacidad o experiencia en un tema concreto. Un socio puede colaborar con sus buscadores de patentes y contribuir a acelerar las iniciativas sin llevar sus recursos al límite.

El primer paso del cómo: entender las cualidades que debe tener el socio ideal para las búsquedas de patentes

Con el socio ideal a su lado, tendrá la seguridad de que puede ejecutar las búsquedas que necesita para diseñar sus iniciativas de I+D.

Un socio ideal debe:

Ser un experto en el tema en el que su organización está trabajando para proporcionarle conocimientos valiosos sobre ese tema que vayan más allá del nivel superficial.

Darle acceso a un conjunto exhaustivo de fuentes de información. El valor de una búsqueda de PI es proporcional al de las fuentes de información y a su capacidad para identificar con precisión los resultados relevantes. Un socio ideal entenderá lo importante que es este trabajo y le dará acceso a una extensa recopilación global de información relevante.

Diseñar y ofrecer herramientas pensadas para las búsquedas de PI científica. La experiencia y el acceso al contenido son importantes, pero no bastan. La tecnología empleada para acceder a ese contenido es la clave para impulsar la eficiencia en una búsqueda de patentes. Un socio ideal proporcionará herramientas de búsqueda de PI que reforzarán su flujo de trabajo, le dará acceso a contenido relevante y actualizado, y ofrecerá funciones y prestaciones que permiten realizar búsquedas completas y eficientes y compartir conocimientos con otros equipos.

El segundo paso del cómo: formular las preguntas adecuadas antes de comprometerse

Antes de comprometerse a trabajar con un socio o a usar una herramienta concreta para realizar búsquedas de patentes, asegúrese de formular estas preguntas para optimizar el resultado:

• ¿A qué bases de datos y fuentes de información de patentes y citada en patentes tenemos acceso? ¿Son lo suficientemente completas y extensas para mi área científica y técnica?  
• ¿Cómo nos ayudarán sus herramientas y servicios a comunicar los resultados de las búsquedas de patentes a las principales partes interesadas?   
• ¿Qué medidas se han adoptado para garantizar la confidencialidad de mi innovación?

Si desea elegir un socio ideal para sus búsquedas de PI, no hace falta que busque más: CAS cuenta con capacidades y herramientas que responderán a todas sus necesidades.

Gane ventaja competitiva con CAS

Asegúrese de que sus búsquedas son exhaustivas
La fiabilidad de los resultados de búsqueda depende de la calidad de los datos disponibles. CAS STNext^® (integrado en STN IP Protection Suite^TM) permite a los analistas de patentes acceder a la más completa recopilación global de bases de datos, contenido seleccionado por científicos e información sobre patentes con herramientas precisas y eficaces de búsqueda y análisis.

Las búsquedas de PI de diversos ámbitos, como el sector farmacéutico, las ciencias médicas y biológicas, la ingeniería química, los materiales funcionales y los productos de cuidado personal, mejoran su fiabilidad, su exhaustividad y los conocimientos obtenidos cuando se añade CAS STNext al arsenal de herramientas.

Amplíe los conocimientos expertos de su equipo. Los socios con conocimientos científicos y de PI, como CAS, pueden cubrir lagunas en sus conocimientos, lo que, además de ayudarles a diseñar su estrategia de búsqueda de patentes, les permitirá desarrollar herramientas de búsqueda de patentes y recopilaciones de datos que respondan a las necesidades de su campo científico.

Los usuarios de STN IP Protection Suite también tienen acceso a expertos en búsquedas de PI de confianza con experiencia en la gestión de estrategias de búsqueda para la preparación y tramitación de patentes, los litigios, la monetización de la PI, el análisis competitivo, la supervisión de productos y de seguridad, el análisis de huecos de mercado y otras actividades de los programas de patentes.

Reduzca el número de horas dedicadas a la búsqueda y la revisión de resultados de patentes. Las herramientas y bases de datos creadas para su sector incluirán contenido y funciones de búsqueda y flujo de trabajo que le ayudarán a llegar de la búsqueda inicial a la decisión en menos tiempo.

Por ejemplo, al analizar invenciones del campo de la ingeniería, algunas propiedades, como la viscosidad, la conductividad eléctrica y la intensidad luminosa, se suelen expresar como rangos. Eso dificulta la ejecución de búsquedas precisas para estas patentes. CAS STNext^Ⓡ, que forma parte de STN IP Protection Suite, ofrece funciones de búsqueda de propiedades numéricas que le permiten introducir valores o rangos con precisión, e incluso convertir unidades si es necesario. Las herramientas con funciones de búsqueda avanzadas específicas de cada tecnología aceleran el proceso de búsqueda de la información relevante.

Supervise con eficiencia el panorama de las patentes globales
Litigios e infracciones: queremos evitarlos, predecirlos y resolverlos con eficacia cuando sea necesario. FIZ PatMon, integrado en STN IP Protection Suite, le permite mantenerse al tanto de los cambios de las patentes de su sector para hacer un seguimiento de la actividad de sus competidores y proteger su cartera de PI. Con unas sofisticadas opciones de alertas que van desde la supervisión exhaustiva hasta los filtros específicos, puede estar siempre al día de las nuevas solicitudes y la actividad en curso.

Con CAS, disfrutará de la tranquilidad de saber que su empresa tiene acceso a la información que necesita al tomar decisiones importantes sobre innovación, I+D o protección de la PI.

¿Necesita más información? Consulte estos recursos:

• Artículo: Cuidado con las lagunas de información: evitar un punto ciego habitual en las tasaciones de carteras de PI
• Artículo: Cuidado con las lagunas de información: ¿ha pasado por alto patentes que podrían costarle millones?
• Artículo: Cuidado con las lagunas de información: salvar la brecha entre las patentes y los artículos de revistas
• Seminario web: El nexo entre la PI y la I+D: mejorar la colaboración para impulsar la innovación

Una conversación con el Dr. Jefferson Parker, fundador de NullSet Informatics Solutions

A medida que la biología computacional avanza en el ámbito del descubrimiento de fármacos, surgen nuevos desafíos y oportunidades. El análisis de secuencias es, desde hace tiempo, un aspecto esencial de la bioinformática. En este artículo, conversamos con el Dr. Jefferson Parker, fundador de NullSet Informatics Solutions y experto en analítica de datos para las ciencias médicas y biológicas, sobre las nuevas fronteras del análisis de secuencias para el descubrimiento de fármacos.

CAS: Como biólogo computacional, ¿qué tareas ha realizado en el campo del descubrimiento de fármacos?

Jefferson: He hecho de todo, desde ayudar a laboratorios especializados en el descubrimiento de fármacos hasta trabajar en grupos de investigación traslacional. Recientemente he colaborado con equipos clínicos en tareas de operaciones y desarrollo. He ayudado a equipos de farmacovigilancia a realizar análisis de datos de seguridad, he trabajado en el desarrollo de negocio y en el campo de la inteligencia competitiva. He llegado incluso a integrarme en equipos de ingeniería de software como analista bioinformático, una especie de traductor entre los científicos del laboratorio y los desarrolladores de software.

CAS: ¿Puede hablarnos sobre el papel del análisis de secuencias en el descubrimiento de fármacos? ¿Por qué es importante?

Jefferson: En el descubrimiento, el análisis de secuencias se puede usar para cribar las posibles dianas. Observando lo que sucede a nivel transcriptómico, se puede establecer una correspondencia con el conocimiento disponible sobre una vía y preguntar: “¿Cuáles son las causas más probables en los pasos previos?”. Esas son las dianas farmacológicas probables o algo proximal a la diana farmacológica desde el punto de vista de la señalización. Si el fármaco se ha diseñado para una diana concreta, es de esperar que ayude a confirmar que se está actuando sobre ella.

También permite empezar a buscar biomarcadores de selección de pacientes. ¿Hay un perfil genético concreto, ya sea en el nivel de la expresión o en el de la secuencia de ADN, con varias mutaciones? ¿Hay algunas mutaciones presentes en pacientes que los hacen más o menos susceptibles a una actuación eficaz del fármaco estudiado? Esta es un área muy interesante y activa de la industria farmacéutica. Saber antes del tratamiento si un medicamento debería funcionar o si, por el contrario, lo más probable es que no funcione, puede marcar la diferencia entre el éxito y el fracaso. Además, de este modo se evita hacer perder a los pacientes un tiempo valioso. Especialmente en un campo como la oncología, en el que los pacientes no tienen mucho tiempo, hay que evitar desperdiciarlo con pruebas y errores y con diversas líneas de tratamiento con medicamentos que no van a funcionar.

Y el análisis de secuencias desempeña un papel importante en todo esto. Toca todos los aspectos del proceso de desarrollo de fármacos.

CAS: ¿Cuáles cree que son los mayores desafíos para el análisis de secuencias?

Jefferson: Yo diría que los desafíos se están superando con bastante rapidez porque la tecnología avanza año tras año. Antes, los problemas tenían que ver con el hecho de que se obtenían unas lecturas muy cortas, con lo que el ensamblaje resultaba muy difícil. Ahora obtenemos lecturas más largas y el ensamblaje sigue siendo complicado, pero algo menos que en el pasado.

Podríamos compararlo a tirar una copia de Guerra y paz en una trituradora de papel. Produciría fragmentos de página de un par de milímetros por un par de centímetros, así que ensamblarlos todos para reconstruir el libro sería muy difícil. Pero si los fragmentos de las páginas fuesen mucho más grandes y largos y en lugar de un fragmento de una palabra tuviéramos una parte de un párrafo, sería más sencillo reconstruir la historia en el orden correcto. Eso es lo que está sucediendo ahora con la transición a lecturas cada vez más largas.

El almacenamiento sigue siendo un problema. En mi puesto más reciente, tuvimos que mover datos de secuencias y la forma más rápida de hacerlo fue cargarlos en un disco duro y enviarlo a través de FedEx. Es más barato enviar cientos de gigabytes o terabytes en una caja que hacerlo a través de Internet. El almacenamiento local no plantea problemas, es la transmisión de una gran cantidad de datos de un lugar a otro lo que obstaculiza el proceso. Hoy en día, una vez que los datos están donde tienen que estar, es fácil contar con suficiente potencia de cálculo para ejecutar un proyecto de secuenciación, pero llevar los datos hasta las máquinas sigue siendo un cuello de botella.

Las muestras obtenidas de pacientes también generan problemas. Son dolorosas, las biopsias son invasivas y las personas enfermas no quieren tener que dar múltiples muestras. Una vez extraídas, se fijan normalmente en formalina y se incluyen en parafina, de modo que el material de ácido nucleico que pueda haber en ellas se degrada en cierta medida. Hay formas de intentar extraer y usar esa clase de tejido de muestra preparado para la secuenciación, pero, inevitablemente, la calidad de la muestra disminuye.

Además, si la empresa es pequeña, la tecnología resulta cara, porque estas máquinas cuestan muchísimo dinero. Por otra parte, aunque empieza a haber más biólogos computacionales, no abundan y todos quieren trabajar para las mejores empresas, donde pueden ganar más dinero. La cantera de profesionales está creciendo, pero sigue siendo limitada.

En cierta forma, ya no hay nadie que quiera trabajar en el análisis de secuencias. Todo el mundo quiere crear el próximo modelo de aprendizaje que arrase en el mercado. El foco se ha desplazado del procesamiento de los números y el análisis de los datos a las técnicas avanzadas de IA y aprendizaje automático. Todo el mundo quiere trabajar en la tecnología de moda, que desde luego no es el análisis de secuencias. Eso se va a convertir muy pronto en otro problema.

CAS: ¿Hace falta realmente un biólogo computacional para hacer análisis de secuencias hoy en día?

Jefferson: Si se usan metodologías perfectamente definidas, establecidas, desarrolladas, validadas y documentadas, no. No se trata de inventar la nueva rueda. Existen numerosas soluciones de software ya preparadas que pueden ingerir datos de las distintas máquinas de secuenciación. Los cargas, arrastras y sueltas los iconos correspondientes al proceso deseado y pulsas el botón de iniciar. Te vas a tomar un café o a comer o, dependiendo del tamaño de la máquina con la que trabajes, te marchas a casa y al regresar por la mañana tienes los resultados a tu disposición. No hace falta un perfil como el mío para hacer eso. Cualquier investigador asociado con ciertos conocimientos tecnológicos puede ejecutar el proceso. 

En cambio, si se trabaja con una máquina de secuenciación de vanguardia y se intenta derivar una nueva metodología de análisis que no se ha usado antes, no hay soluciones comerciales disponibles. En ese caso se necesita una persona que entienda la biología subyacente, alguien que comprenda los datos introducidos, los resultantes, las matemáticas implicadas y todo lo demás. Para combinar todos esos elementos e integrarlos en una nueva solución que no existe, sí hace falta alguien con mi perfil, alguien que entienda todos los componentes.

CAS: Ha mencionado que ahora la gente quiere trabajar con la IA y el aprendizaje automático. ¿Estas tecnologías pueden ayudar en el ámbito del análisis de secuencias?

Jefferson: Con un conjunto de datos bien seleccionado, la IA y el aprendizaje automático pueden resultar muy útiles, sin duda. Me consta que hay organizaciones que están usando tecnologías de aprendizaje automático para incorporar la bibliografía disponible y generar gráficos de conocimiento, así que eso puede ayudar, desde luego. ¿Podrían facilitar la IA y el aprendizaje automático el ensamblaje de secuencias? Probablemente, pero no sé si estas tecnologías resultarían algo excesivas para ese fin. 

CAS: Hablando de la IA, ¿qué opina de AlphaFold, que realiza predicciones de estructuras de proteínas basadas en la IA?

Jefferson: Creo que AlphaFold va a suponer una revolución total. Proporciona una vía mucho más rápida para llegar a una estructura que se puede introducir en procesos como el diseño de fármacos asistido por ordenador para completarlos en mucho menos tiempo que antes. Ya no es necesario contar con una RMN o una estructura cristalina como punto de partida. ¿Es tan bueno como una estructura cristalina? Probablemente no. Medir el objeto real siempre va a ser mejor que trabajar con una simulación. Pero, con relación al tiempo requerido, ofrece la posibilidad de contar con algo ya disponible. Va a tener un impacto que ni siquiera podemos imaginar ahora mismo. Creo que con AlphaFold hemos lanzado una piedra al estanque y solo estamos viendo las primeras ondas.

CAS: ¿Cuál es, en su opinión, la principal innovación que la IA y el aprendizaje automático introducen en el descubrimiento de fármacos?

Jefferson: Es espacial, algo así como la próxima generación de una única célula. La multiómica. La posibilidad de usar el ADN, el ARN, las proteínas y la metabolómica, e integrarlo todo. Integrarlo, incluso, con las vías celulares y la comunicación intercelular. Ya no hablamos de una única célula. Hablamos de una célula, de las células próximas a ella y de las cercanas a estas últimas, y de ver cómo interactúan. Nos dirigimos a eso; de hecho, ya estamos ahí.

CAS: ¿Cree que llegaremos a crear modelos de sistemas biológicos?

Jefferson: Si me hubiera preguntado eso durante mi formación de posgrado, habría contestado que la humanidad no contaba con las matemáticas que podían describir un sistema biológico. La biología es química compleja, la química es física compleja y la física son matemáticas complejas. Todo se basa en eso. La física es un problema que se puede resolver con la ayuda de las matemáticas, solo requiere una enorme cantidad de datos. Y la química es, en cierta medida, lo mismo. Pero la biología… Antes pensaba que no teníamos ni tendríamos la capacidad de crear modelos matemáticos de sistemas biológicos.

Pero esa es probablemente la dirección hacia la que tendremos que avanzar. ¿Hará falta un ordenador cuántico? Tal vez. Es posible que yo no llegue a verlo, pero ahora puedo afirmar con bastante seguridad que en algún momento la humanidad tendrá simulaciones computacionales precisas y fiables de sistemas vivos. Y esa afirmación me produce cierto temor. Sé que se está haciendo muchísimo trabajo en el espacio de los gemelos digitales. Los supuestos iniciales son limitados, pero existen gemelos digitales en línea y ya se están usando en ensayos clínicos. Es el principio de todo ese proceso.

CAS: ¿Qué cree entonces que hace falta para ampliar los límites actuales? ¿Necesitamos nuevos algoritmos o nuevos marcos de trabajo? ¿O ya solo hay que intentar integrarlo todo?

Jefferson: Todo eso a la vez. Necesitamos formas nuevas de ver el problema. Quizás haya que aplicar algoritmos antiguos con nuevas formas de diseñar o tal vez sea necesario implementar nuevos algoritmos. Porque campos como la epigenómica y el estudio de la dinámica del ADN, el espacio del ARN no codificante o el exoma frente a todo lo demás van más allá del análisis de secuencias. Es una forma diferente de enfrentarse al problema. La base sigue siendo la secuencia, pero ya no se trata solo de la secuencia. Esas formas diferentes de ver el problema requerirán herramientas diferentes.

CAS: Si tuviera una varita mágica que le permitiera resolver un único problema del análisis de secuencias y el descubrimiento de fármacos, ¿cuál elegiría? ¿Y qué impacto tendría?

Jefferson: Incluiría anotaciones completas en todos los datos y los pondría a disposición de todo el mundo. Todos los datos de empresas, instituciones, universidades… todo. En una plataforma de almacenamiento unificada con buenas anotaciones y bien documentada que todo el mundo pudiera usar de forma gratuita. Porque entonces tendríamos suficiente información y podríamos resolver los problemas importantes.

En ocasiones, se ha hablado de los supercondensadores como sustitutos de las baterías de iones de litio que ofrecen una serie de atractivas ventajas, como una mayor seguridad, una velocidad superior de carga y descarga y una vida útil más larga. A pesar de los avances, las diferencias fundamentales entre las dos tecnologías limitan la densidad energética de las tecnologías de los supercondensadores de grafeno, lo que hace improbable que puedan reemplazar a las baterías de litio en un futuro próximo. Sin embargo, están listos para el uso en otras aplicaciones prácticas en las que actúan como dispositivos de almacenamiento de energía complementarios, en especial en el sector del transporte.

Comparación entre las tecnologías de supercondensadores y las baterías

Para entender por qué no se ha producido el reemplazo de las baterías por supercondensadores, es importante conocer las diferencias existentes entre estos dos tipos de dispositivos, que nacen de sus arquitecturas (figura 1).

• Las baterías tienen una densidad energética elevada, pero una baja densidad de potencia (una descarga más lenta de la energía), lo que las hace idóneas para aplicaciones a largo plazo que requieren una liberación lenta y uniforme de la energía.
• Los supercondensadores tienen una densidad energética inferior, pero una mayor densidad de potencia (una descarga más rápida de la energía). Como resultado, no pueden almacenar tanta energía como las baterías, pero se pueden cargar y descargar mucho más deprisa. Esta propiedad los hace más adecuados para aplicaciones que requieren aportes rápidos de energía y en las que se pueden realizar recargas rápidas.

Las diferencias en cuanto a densidad energética y de potencia se deben a la forma en que cada una de estas tecnologías almacena las cargas, lo que afecta a su capacidad y su densidad energética.

• Las baterías almacenan y liberan la energía mediante un proceso electroquímico, de modo que la velocidad de carga y descarga se ve limitada por la cinética de las reacciones electroquímicas implicadas. Los iones se intercalan en el interior del electrodo, no en la superficie, con lo que se tienen que dispersar a través de los electrodos y se reduce aún más su velocidad de carga y descarga.
• Los supercondensadores almacenan la energía de forma electrostática en las superficies de los electrodos. La energía se libera con un movimiento simple de los iones y no con una reacción electroquímica más lenta. Como las cargas (los iones) solo se almacenan en la superficie del electrodo y no se intercalan en el material activo, solo la superficie participa en el proceso de carga y descarga, lo que se traduce en una densidad energética mucho más baja que la de las baterías.

El grafeno encabeza las mejoras de las tecnologías de supercondensadores en cuanto a densidad energética

Aunque estas diferencias fundamentales reducen la probabilidad de que los supercondensadores reemplacen a las baterías, la investigación sigue estando centrada en las mejoras de la densidad energética. Como la superficie del material activo es la principal ubicación de almacenamiento de carga, las iniciativas de investigación se centran en el desarrollo de materiales activos con un área superficial elevada para incrementar el número de iones adsorbidos y, como resultado, la capacitancia y la densidad energética de los supercondensadores.

Los materiales carbonosos, en especial el carbón activado y el grafeno, están ganando popularidad, ya que presentan una conductividad eléctrica más elevada. Sin embargo, el grafeno es más difícil y caro de producir y suele tener un área superficial teórica menor que la del carbón activado, lo que complica su uso en supercondensadores a escalas industriales. Como las innovaciones de los materiales activos en los supercondensadores se han centrado en gran medida en el grafeno, es importante entender los distintos factores que limitan su adopción.

Principales barreras que limitan el uso de electrodos de grafeno

La síntesis fiable de grafeno de calidad a escala industrial sigue siendo compleja

Las mismas propiedades que convierten al grafeno en un gran material para las tecnologías de supercondensadores requieren unas condiciones de síntesis estrictas. Por este motivo, el grafeno es difícil de sintetizar de manera fiable, en especial a escalas industriales. Más preocupante es el hecho de que, incluso si se pudiera sintetizar a escalas industriales, el grafeno podría no tener la calidad necesaria para el uso en supercondensadores. Un estudio realizado en 2018 analizó varias docenas de productos de grafeno y concluyó que ninguno contenía más de un 50 % de grafeno. Un estudio similar, aunque más limitado, publicado en 2020 comparó el grafeno y el carbón activado para mostrar que la capacitancia específica de los supercondensadores de grafeno era muy inferior a la del carbón activado, muy probablemente por la presencia de óxido de grafeno. Como estos estudios se realizaron antes de la publicación de las normas ISO para el grafeno en 2021, es necesario llevar a cabo un estudio complementario para analizar con detenimiento la calidad del grafeno disponible comercialmente.

La producción del grafeno es costosa

Un control riguroso de las condiciones de síntesis del grafeno exige el uso de equipo y procesos especializados que no son idóneos para la producción industrial, lo que dificulta la consecución de economías de escala para los supercondensadores de grafeno. Una vez producido, el grafeno requiere técnicas de clasificación costosas y enormemente sensibles para confirmar que su calidad responde a las normas ISO. Esto crea otra barrera de acceso importante, especialmente para las pequeñas empresas, y obstaculiza el desarrollo de tecnologías de supercondensadores de grafeno.

Las láminas de grafeno son proclives a la aglomeración

Una vez sintetizadas, las interacciones π-π fuertes hacen que las láminas de grafeno se reagrupen y se aglomeren, lo que reduce el área superficial activa desde el punto de vista electroquímico. Eso limita la densidad energética de los supercondensadores. Una empresa, Skeleton Technologies, ha encontrado una forma de inhibir estas interacciones y evitar el reapilamiento mediante el uso de grafeno curvado en sus supercondensadores. Aunque los informativos presentaron el grafeno curvado como un descubrimiento crucial (un supercondensador de grafeno curvado se dio a conocer ya en 2010), la empresa que patrocinó esta investigación lleva casi una década sin notificar otros avances.

Investigación académica sobre tecnologías de supercondensadores de grafeno

Tendencias de publicación recientes en la investigación de los supercondensadores

Como se desprende de las tendencias de publicación de las figuras anteriores, los supercondensadores de grafeno siguen siendo un tema de investigación popular (figura 2). Aunque el grafeno sigue dominando el panorama de la investigación de los supercondensadores, los supercondensadores de polímero conductor también están ganando terreno como tema de investigación prioritario (figura 3). Mientras que el número de publicaciones sobre los supercondensadores de grafeno y de polímero conductor comenzó a disminuir ligeramente en 2020, las publicaciones sobre supercondensadores basados en materiales lignocelulósicos siguieron aumentando hasta 2021 (figura 4), lo que sugiere un mayor interés por los materiales sostenibles.

Aunque la investigación académica ha realizado algunos progresos, la vida útil de ciclos documentada para los dispositivos creados en laboratorio ha sido en muchos casos claramente inferior a la registrada para los supercondensadores comerciales, que suele ser del orden de 1 millón de ciclos. La densidad energética también sigue siendo un problema, ya que los supercondensadores solo pueden proporcionar alimentación a los dispositivos durante periodos muy cortos.

• A finales de 2022, un equipo de investigadores de la Universidad de Tsinghua dio a conocer la creación de un supercondensador de grafeno flexible que conservaba casi el 99 % de su rendimiento después de 10 000 ciclos y tenía una ventana de voltaje de carga y descarga de 3 V. Este supercondensador alimentó varios dispositivos electrónicos pequeños, incluidos un LED y una calculadora, pero en general durante poco más de unos segundos.
• En otro estudio de 2022, un grupo del Imperial College de Londres desarrolló un supercondensador de grafeno tejido. Cuando se usaba como sensor de presión, presentaba un tiempo de respuesta rápido de tan solo 0,6 segundos, pero su capacitancia decayó alrededor del 90 % después de tan solo 10 000 ciclos.

Supercondensadores híbridos de iones de litio

Para cerrar la brecha existente entre los supercondensadores y las baterías, pueden ser necesarias diferentes arquitecturas de dispositivos. Los supercondensadores híbridos de iones de litio combinan la larga vida útil en número de ciclos de los supercondensadores con la elevada densidad energética de las baterías. Para lograrlo, en el proceso de carga y descarga intervienen dos mecanismos: la intercalación y desintercalación de iones de litio (ánodo de tipo batería) y la adsorción/desorción de aniones (cátodo de tipo condensador), como se muestra en la figura 5. Los supercondensadores híbridos resultantes pueden presentar una densidad energética varias veces superior a la de los supercondensadores tradicionales correspondientes.

Sin embargo, si el electrodo de tipo condensador usa un material activo a base de grafeno, también podrá sufrir los mismos problemas que afectan a los supercondensadores no híbridos. Además, la naturaleza híbrida de los supercondensadores híbridos de iones de litio significa que, aunque tienen las ventajas tanto de las baterías como de los supercondensadores, también presentan algunas de sus desventajas. A pesar de que pueden tener una mayor densidad energética y una corriente de autodescarga y fuga inferior a la de los supercondensadores, tienen vidas útiles de ciclos más cortas a largo plazo y adolecen de una cinética de litiación/deslitiación lenta en el ánodo. Una publicación reciente documentó un condensador híbrido de iones de litio que retuvo el 100 % de su capacitancia tras 19 000 ciclos a una densidad energética de 100 W h kg^-1.

¿Reemplazarán los supercondensadores a las baterías?

Tanto el mundo académico como la industria están trabajando para mejorar el rendimiento de diversas tecnologías de supercondensadores, pero es poco probable que estos dispositivos proporcionen un rendimiento a largo plazo comparable al de las baterías de iones de litio a menos que se superen algunas trabas de ingeniería y limitaciones fundamentales.

• Los supercondensadores tienen densidades energéticas específicas más bajas. Aunque el grafeno curvado impide la aglomeración de las láminas de grafeno, los supercondensadores tienen densidades energéticas inferiores a las de las baterías a causa de las diferencias existentes entre sus mecanismos de almacenamiento de la carga. Si no se produce un avance revolucionario, seguirán haciendo falta varios supercondensadores para competir con la densidad energética incluso de una sola batería de iones de litio.
• Los supercondensadores sufren una autodescarga excesiva. Los supercondensadores tienen una vida útil de ciclos larga y pueden mantener una capacitancia elevada, pero sufren autodescargas mucho más acusadas que las baterías. Mientras que una batería puede perder tan solo un 5 % de su carga almacenada a lo largo de aproximadamente un mes, los supercondensadores pueden llegar a perder hasta el 50 %. Esto podría no ser un problema en aplicaciones en las que se puedan descargar y recargar fácilmente, pero afecta al almacenamiento de energía a largo plazo.
• Los supercondensadores de grafeno son más caros. Como los supercondensadores de grafeno son una tecnología más nueva, su producción no ha alcanzado aún las economías de escala. Además, dado que sus requisitos de calidad son más estrictos, el grafeno sigue siendo más caro de producir que el carbón activado. Aunque es posible que algún día ofrezca un rendimiento superior al del carbón activado, el uso del grafeno también aumenta los precios de los supercondensadores resultantes.
• Aún no se han demostrado la mayoría de las aplicaciones de los supercondensadores de grafeno. Como sucede con cualquier nueva tecnología, el éxito de los primeros productos en llegar al mercado es esencial para el éxito de las líneas de productos posteriores. Ninguna de las tecnologías de supercondensadores de grafeno se ha investigado a largo plazo y en la mayoría de los casos solo se han instalado en un número limitado de unidades.

Aplicaciones actuales y futuras de las tecnologías de supercondensadores

Sector del transporte

Si bien es cierto que estos desafíos impiden que los supercondensadores reemplacen a las baterías, tienen aplicaciones reales, aunque las basadas en el grafeno están aún en desarrollo. Algunas de las aplicaciones más destacadas corresponden al sector del transporte:

• En China y Serbia se han creado flotas de autobuses alimentados con supercondensadores. Una de esas flotas tienen un alcance documentado de 25 km y tarda entre seis y siete minutos en cargarse. Para contrarrestar la baja densidad energética de los supercondensadores y las limitaciones del alcance por carga, los autobuses se recargan en la terminal o en las paradas de autobús.
• Skeleton Technologies produce un supercondensador de grafeno para trenes que puede recuperar hasta el 30 % de la energía perdida durante el frenado. Esta tecnología se ha seleccionado para el uso en los nuevos trenes del sistema de metro de Granada (España), que entrarán en servicio en el verano de 2024.
• Samsung publicita un híbrido de iones de litio para aplicaciones de automoción que es adecuado para los sistemas de baja tensión en los que se necesita un proceso rápido de carga y descarga.

Dispositivos electrónicos personales

Aunque se han usado con éxito en algunas aplicaciones, es poco probable que los supercondensadores reemplacen a las baterías de iones de litio para proporcionar alimentación a los dispositivos electrónicos personales pequeños. Incluso el equipo de Skeleton Technologies ha indicado que sus supercondensadores 3V SkelCap se han diseñado para usarlos en combinación con baterías, no para sustituirlas. SkelCaps tiene una energía específica en torno a un orden de magnitud inferior al de las baterías de iones de litio, lo que significa que harían falta varios de ellos para obtener la misma densidad energética que ofrece una sola de estas baterías. En cuanto a la posibilidad de usarlos para alimentar dispositivos electrónicos personales pequeños como los smartphones y las cámaras, es poco probable que los consumidores estén dispuestos a tener que cargar los dispositivos tras un uso corto, con independencia de lo rápida que sea la recarga.

Conclusiones

Aunque tienen varias aplicaciones interesantes en el sector del transporte, los supercondensadores no son, hoy por hoy, alternativas viables a las baterías de iones de litio. A menos que las iniciativas de investigación en curso den lugar a avances importantes en lo tocante a la densidad energética y la velocidad de autodescarga, como sucede cuando se usan supercondensadores híbridos de iones de litio, los supercondensadores seguirán siendo dispositivos de almacenamiento de energía complementarios. Además, los dispositivos de grafeno tienen las mismas probabilidades de experimentar problemas que los supercondensadores no híbridos a causa de las limitaciones de los materiales activos de grafeno.

Si desea seguir explorando nuestros recursos sobre energía sostenible, lea “Un futuro más ecológico: baterías de iones de litio y celdas de combustible a base de hidrógeno”.

¿Qué son los datos ocultos?

El poder de revolucionar la I+D está al alcance de las compañías químicas innovadoras. El enorme volumen de datos no utilizados, conocidos como "datos ocultos", permite a estas compañías obtener unos conocimientos sin precedentes y acelerar la innovación más que nunca. Si se implementan estrategias eficaces de gestión del conocimiento, las probabilidades de realizar descubrimientos y avances revolucionarios son ilimitadas.

Los datos ocultos suelen ser datos sin estructurar o semiestructurados poco accesibles en los que no resulta fácil hacer búsquedas. Se estima que el 55 % de los datos almacenados por las organizaciones son datos oscuros. A pesar de eso, alrededor del 90 % de los ejecutivos y directores globales de negocio y de TI coinciden en que todas las organizaciones tendrán que extraer valor de esos datos no estructurados para alcanzar el éxito en el futuro.

En el contexto de la I+D de química diversificada, esto podría incluir datos de cuadernos de laboratorio digitales, sistemas de gestión de información de laboratorio, informes experimentales, referencias bibliográficas y otros muchos contenidos que no se incorporan a las bases de datos que admiten búsquedas. Estos datos pueden ser valiosos para identificar materiales nuevos, mejorar las formulaciones existentes y acortar los ciclos de I+D.

Para aprovechar el valor de los datos ocultos, las organizaciones químicas diversificadas deben identificar dónde se ocultan sus datos más valiosos e implementar estrategias eficaces de gestión del conocimiento que les permitan consultar, recopilar, organizar y analizar esos datos cuando sea necesario.

En busca de las joyas ocultas: identificación de los datos de I+D de química más valiosos

Los datos ocultos podrían estar escondidos en cualquier punto del flujo de trabajo de I+D de química. Desde los pasos iniciales de la investigación hasta la fabricación, las formulaciones, la clasificación e incluso la monitorización posventa, se generan y se recopilan datos valiosos, pero es posible que no se aproveche todo su potencial. Para aprovechar el valor de los datos ocultos y acelerar la innovación, es crucial para las organizaciones de I+D identificar dónde se ocultan esos datos y desarrollar estrategias para acceder a ellos y usarlos de un modo eficaz.

Hay varios tipos de datos ocultos valiosos para la investigación. Por ejemplo, los datos experimentales históricos suelen estar dispersos, incompletos o desestructurados, pero, con un mínimo de organización y análisis, pueden proporcionar información valiosa para proyectos actuales o futuros. Al margen de las iniciativas de I+D de una organización, algunas fuentes de datos externas, como artículos académicos, patentes e informes del sector, también pueden ofrecer conocimientos valiosos y ayudar a identificar nuevas oportunidades de innovación e investigación. Por último, los datos no estructurados, como los datos de texto de artículos científicos o notas de laboratorio, pueden contener información oculta, pero es necesario contar con las herramientas y técnicas adecuadas para analizarlos de un modo eficaz.

Las organizaciones pueden identificar estos datos ocultos y acceder a ellos con los siguientes pasos cuando sea necesario en sus flujos de trabajo:

• Realizar un inventario exhaustivo de las fuentes de datos disponibles, tanto internas como externas, estructuradas y sin estructurar, es esencial.
• Asignar prioridades a las fuentes de datos en función de su valor potencial para las iniciativas de I+D actuales y futuras puede ayudar a las organizaciones a sacar el máximo partido de sus recursos. Por ejemplo, si tiene previsto aumentar la escala de la producción de un material funcional recientemente validado, es posible que desee priorizar el acceso a las formulaciones históricas y los datos de fabricación para facilitar la predicción de las condiciones ideales.
• Fomentar una cultura de toma de decisiones basada en datos y mejora continua puede ayudar a las organizaciones químicas innovadoras a desarrollar todo el potencial de los datos ocultos.

Cinco estrategias de gestión del conocimiento esenciales para aprovechar los datos oscuros

Los conjuntos de datos seleccionados de forma personalizada, los marcos de trabajo semánticos, la minería de datos automatizada y los flujos de trabajo colaborativos son cruciales para aprovechar el valor de los datos ocultos e impulsar la innovación. A continuación, analizaremos con más detenimiento cómo pueden ayudar estas estrategias:

1. Selección personalizada 
   La selección personalizada conlleva la selección manual de los datos químicos por expertos en los distintos dominios para crear conjuntos de datos de alta calidad que se adapten a las necesidades de la organización. Con la selección personalizada, los científicos especializados en materiales funcionales, cosméticos, agricultura u otros campos de la química diversificada pueden asegurarse de trabajar con datos actualizados que sean precisos y relevantes para sus objetivos de investigación. Al trabajar con seleccionadores de datos expertos, las organizaciones también pueden conectar la información internamente y con la ciencia del mundo, lo que añade solidez a sus datos internos. Puede ir aún más lejos e impulsar iniciativas de transformación digital basadas en la IA mediante la obtención de conjuntos de datos seleccionados de forma personalizada especialmente diseñados para los modelos de aprendizaje automático.
   
   Descargue este caso práctico para descubrir cómo mejoraron los conjuntos de datos de entrenamiento seleccionados la precisión y la transferibilidad de las predicciones de un modelo de IA. 
    
2. Marcos de trabajo semánticos 
   Los marcos de trabajo semánticos son estrategias estandarizadas para organizar y clasificar conceptos y relaciones de un dominio concreto, como el de los materiales funcionales. Estos marcos de trabajo pueden incluir elementos de glosarios, ontologías y taxonomías especializados, y están diseñados para proporcionar un lenguaje y una interpretación comunes de los datos químicos en el conjunto de una organización. Esta estrategia puede contribuir a acelerar la I+D y ayudar a los científicos a tomar decisiones más fundamentadas.
   
   Por ejemplo, un investigador está intentando identificar un material novedoso para usarlo en un nuevo dispositivo electrónico. Para ello, empieza usando glosarios, ontologías y taxonomías especializados para clasificar y organizar las propiedades y características de los materiales conocidos. Podría usar una taxonomía especializada para clasificar los materiales en función de su conductividad eléctrica, sus propiedades ópticas o su estabilidad térmica. Organizar los materiales de esta forma permite al químico identificar con más facilidad las lagunas que hay en sus conocimientos o las áreas en las que pueden necesitarse nuevos materiales. También puede usar ontologías para definir las relaciones entre diferentes propiedades de los materiales, como la existente entre la estructura de un material y sus propiedades electrónicas. Esto puede ayudarle a tomar decisiones más fundamentadas sobre los materiales que conviene seguir investigando.
   
   Descargue este caso práctico para descubrir cómo los conocimientos patentados almacenados pueden revelar información y facilitar las decisiones basadas en datos.
    
3. Minería de datos automatizada 
   Las técnicas de minería de datos automatizada permiten a las organizaciones de I+D descubrir patrones e informaciones ocultas en grandes volúmenes de datos químicos no estructurados. El aprendizaje automático y la analítica avanzada pueden analizar datos químicos de experimentos anteriores, condiciones de fabricación, artículos científicos, patentes y otras fuentes para identificar relaciones entre sustancias químicas, reacciones y formulaciones. Esta información puede llevar al descubrimiento de nuevas oportunidades para la I+D y ampliar los conocimientos sobre los productos y procesos existentes.
   
   Por ejemplo, un investigador podría examinar miles de artículos relacionados con su área de investigación y extraer información esencial sobre las propiedades de los materiales, los métodos de síntesis y las métricas de rendimiento. Una vez extraída esta información, el investigador puede usar los algoritmos de aprendizaje automático para analizar los datos e identificar patrones o correlaciones que podrían llevar al descubrimiento de un nuevo material. El investigador podría descubrir que algunos métodos de síntesis o condiciones para aumentar la escala de la producción generan por sistema materiales con las propiedades deseables, o que los materiales con determinadas características estructurales suelen tener un buen rendimiento en algunas aplicaciones concretas.
    
4. Herramientas de colaboración 
   Las herramientas y tecnologías de colaboración, como las bases de datos centralizadas y los sistemas integrados de gestión de la información del laboratorio, ofrecen a los equipos de I+D una forma eficiente y fiable de compartir el conocimiento y la información y derribar los silos de datos aislados. Al proporcionar acceso a un repositorio de datos centralizado, las organizaciones de I+D pueden mejorar la comunicación y acelerar la innovación. Una base de datos centralizada basada en la nube también puede mejorar el intercambio de conocimiento entre equipos e investigadores remotos que pueden estar geográficamente dispersos.
   
   Además, los ecosistemas digitales modernos facilitan la transferencia de conocimiento entre dos organizaciones. Esto es especialmente valioso para los proyectos realizados conjuntamente por el mundo académico y la industria y durante las fusiones y adquisiciones, cuando los investigadores necesitan compartir los conocimientos sobre las características o los datos de rendimiento de un material basándose en las investigaciones anteriores. Con un ecosistema de I+D digital que fomente la colaboración, las organizaciones pueden identificar mejor las posibles oportunidades de innovación.
   
   Aprovechar los datos ocultos e implementar estrategias de gestión del conocimiento eficaces permite a las organizaciones dedicadas a la química acelerar la innovación y mejorar los resultados de la I+D. Pueden acortar los ciclos, identificar nuevas oportunidades de investigación, mejorar las formulaciones de los productos y tomar decisiones más fundamentadas sobre los proyectos de investigación que se deben llevar a cabo.
   
   Descargue este caso práctico para descubrir cómo ha logrado Toray Industries eliminar los silos de datos e incorporar mejor los datos en sus flujos de trabajo. 
    
5. Asóciese con un experto para poner en práctica las estrategias de gestión del conocimiento
   Las complejidades de la información científica a lo largo de todo el flujo de trabajo de I+D de química la convierten en un desafío para cualquier equipo de TI interno. Un socio externo puede ayudarle a crear soluciones para almacenar y conectar los datos existentes con un formato estructurado, lo que permitirá que todos los empleados puedan acceder a datos de I+D valiosos de una forma sencilla y eficiente. La experiencia de un socio externo puede tener un valor incalculable. Su familiaridad con las prácticas recomendadas y su experiencia en el campo de la gestión del conocimiento contribuirán a garantizar el éxito de sus iniciativas.