El progreso científico se acelera rápidamente y cada día surgen nuevos descubrimientos. CAS posee una visión única del panorama científico, tanto histórico como actual, lo que permite comprender las tendencias emergentes que debemos observar este año. Recientemente, expertos de Lawrence Livermore National Laboratory, The Ohio State University, Oak Ridge National Laboratory y CAS se reunieron en un seminario web el 25 de enero para destacar los avances científicos y las tendencias a seguir en 2024.
Descubra los últimos avances en el tratamiento de dianas difíciles, el impacto de la IA en I+D, el auge de los biomateriales, las técnicas de almacenamiento de energía y las innovaciones en energía de fusión viendo este seminario web. Obtenga más información valiosa sobre las nuevas tendencias en nuestro reciente artículo.
Puntos clave del seminario web
Para iniciar el debate, Janet expuso los avances clave y las tendencias emergentes en el tratamiento de dianas difíciles. Se abordaron las enfermedades neurodegenerativas, los avances farmacéuticos para la enfermedad de Alzheimer y un avance en la validación de biomarcadores para la enfermedad de Parkinson. Estos descubrimientos, basados en las causas biológicas de la enfermedad, son fundamentales en el camino hacia una cura. También se analizaron los conjugados fármaco-anticuerpo (ADC) como enfoque en la investigación y el desarrollo de agentes antitumorales. Las tendencias de publicación de patentes de ADC han aumentado rápidamente en los últimos años a medida que los investigadores han encontrado opciones para tratar dianas previamente inabordables en cánceres y otras patologías.
El Dr. Jonathan Allen continuó el debate compartiendo su experiencia con la IA y el aprendizaje automático en el descubrimiento de fármacos. Recientemente, aumentar la capacidad de automatizar la síntesis de nuevas entidades biológicas y de moléculas pequeñas se ha convertido en una tendencia emergente clave que está cambiando el paradigma de la búsqueda de nuevos fármacos. El uso de la IA y el aprendizaje automático ayuda a evaluar posibles dianas terapéuticas y a predecir cómo responderán los nuevos fármacos en el cuerpo humano. Por último, se discutieron ejemplos de éxito clínico, incluyendo solicitudes de nuevos fármacos en investigación de moléculas pequeñas, potencia de dianas, perfiles farmacocinéticos prometedores, rediseño de anticuerpos y predicción del plegamiento de proteínas.
En la intersección de la biomedicina y la ciencia de los materiales, el Dr. Kevin Hughes debatió sobre la innovación en este ámbito y un método cuantitativo para revisar las tendencias emergentes. El análisis de CAS Content Collection™ reveló ocho áreas clave con el crecimiento más rápido dentro del campo de los biomateriales. Estos temas incluyeron biomateriales autorreparables, materiales basados en lípidos y biotintas, entre otros. Para completar la conversación, se realizó un análisis de tendencias más profundo sobre los biomateriales programables, que reveló los estímulos de biomateriales más frecuentes utilizados tanto en revistas como en publicaciones de patentes.
El Dr. Yiying Wu trasladó el seminario web al ámbito de los materiales al debatir sobre las tendencias en el almacenamiento de energía mediante baterías. Recientemente se han observado muchas tendencias nuevas en baterías, como las de iones de litio, de estado sólido, basadas en sodio y potasio, de azufre e incluso de oxígeno. Cada una de ellas desarrolla o ayuda a resolver un desafío desde la perspectiva de la química celular. Más allá de la química celular, el debate concluyó con las tecnologías de fabricación, las cadenas de suministro, el reciclaje de baterías y la seguridad.
El Dr. Arnold Lumsdaine cerró el seminario web con el tema de la energía de fusión. Comenzó con un llamamiento a la acción, señalando que el futuro de la civilización depende de la energía y de la necesidad urgente de fuentes de energía libres de carbono para satisfacer las crecientes necesidades energéticas mundiales. Muchos acontecimientos, como las mejoras científicas, la mentalidad y la voluntad política, las mejoras tecnológicas, la fabricación avanzada, la computación de alto rendimiento, los avances en materiales y las importantes inversiones privadas, están llevando a la energía de fusión a una nueva era. A continuación, se destacaron los procesos de energía de fusión junto con los desafíos en la física del plasma, los materiales y la ingeniería.
Para concluir, los asistentes plantearon numerosas preguntas, desde la diferencia fundamental entre la IA y el aprendizaje automático hasta cómo la energía de fusión y las baterías de iones de litio encajan en un futuro más ecológico con los coches eléctricos. En resumen, este panel destacó muchos temas emergentes que merece la pena observar para ayudar a dar forma a futuras oportunidades de I+D.
A continuación se presentan las preguntas clave del seminario web como referencia:
¿Cuáles son las diferencias fundamentales entre la inteligencia artificial (IA) y el aprendizaje automático?
- El aprendizaje automático se centra en la resolución de problemas específicos pasados (modelos estadísticos basados en datos centrados en predecir una propiedad específica); la IA sería, en teoría, un superconjunto de eso que aumenta lo que hace la persona.
- Un ejemplo comparativo sería un químico de IA, que sería un sistema capaz de proponer nuevas moléculas y decidir cuáles fabricar y probar, mientras que el modelo de aprendizaje automático evaluaría el éxito del sistema al realizar esas tareas.
La caja de plegado de biomateriales se publicó en 2011. ¿Ha habido alguna actualización sobre su aplicación o progreso desde entonces?
- Destacaría dos áreas principales de progreso desde entonces:
- la impresión 3D con materiales sensibles a estímulos, lo que ha dado lugar al surgimiento del nuevo campo de la "impresión 4D".
- El uso de nanomateriales para generar nuevos tipos de respuesta a estímulos. Un buen ejemplo de ello es el desarrollo de un "nadador" de hidrogel biomimético que oscila en respuesta a la luz visible mediante la integración de nanopartículas de oro fototérmicamente activas con poli(N-isopropilacrilamida) sensible a la temperatura.
¿Cómo encaja el trabajo en baterías de litio o energía de fusión en los planes de EE. UU. para impulsar un mayor uso de vehículos eléctricos?
- Es necesario superar ciertas limitaciones antes de que el uso de vehículos eléctricos se generalice, como las preocupaciones sobre la minería, los tiempos de carga de las baterías y los efectos de las condiciones extremas en estas.
- La fusión será una fuente de electricidad libre de carbono. Sin embargo, dado que el litio es un elemento necesario en el ciclo de combustible de fusión (para generar tritio), el suministro de litio podría convertirse en un problema.
¿Cómo se obtiene actualmente esa energía para los vehículos eléctricos (por ejemplo, carbón o qué otra fuente) y cómo se obtendrá en el futuro?
- Los vehículos eléctricos son tan limpios como la red de la que se abastecen; por tanto, si la red utiliza un 100% de carbón y gas natural, los vehículos eléctricos no son limpios ni neutros en carbono.
- Actualmente, Estados Unidos utiliza combustibles fósiles, energía nuclear, energías renovables y otras fuentes para alimentar su red, siendo la energía de fusión una posibilidad futura. Descubra más sobre el futuro de la energía nuclear, la energía de hidrógeno y el reciclaje de baterías de iones de litio en nuestro reciente artículo de Insights.
¿Se está estudiando la nanotecnología biológica, como los exosomas?
- Sí, se están estudiando los exosomas por su uso como sistemas de administración de fármacos y por su potencial terapéutico. Las empresas de terapias con exosomas investigan el tratamiento de enfermedades como el cáncer, enfermedades neurológicas, enfermedades pulmonares y la cicatrización de heridas, entre otras. Lea más sobre los exosomas y sus oportunidades emergentes en nuestro reciente Informe de Insights de CAS, basado en una reciente publicación revisada por pares en ACS Nano.
¿Existe alguna investigación que muestre una comparación general entre la eficiencia del uso de IA generativa para ayudar en el proceso de cribado de nuevos fármacos frente al cribado de alto rendimiento (HTS) tradicional? (una comparación, quizás, entre los resultados obtenidos con la ayuda de IA/ML frente a los obtenidos mediante HTS)
- Sería excelente contar con una comparación rigurosa y directa, algo que aún no hemos visto y que resultaría complejo. En cuanto al cribado de alto rendimiento, se están utilizando bibliotecas codificadas por ADN que permiten realizar pruebas combinatorias con miles de millones de sustancias químicas. Al hacerlo, siempre existe la opción de crear un modelo de aprendizaje automático que aprenda de los datos de HTS y ayude a clasificar los resultados, combinando ambos métodos para obtener mejores resultados.
Consulte la grabación y las diapositivas asociadas del seminario web aquí.
