MetaQSAR
Implementación de una plataforma computacional para el desarrollo automatizado de modelos QSAR para el desarrollo de nuevos medicamentos y nutracéuticos
El proyecto MetaQSAR consiste en el desarrollo de una plataforma computacional que permite generar modelos QSAR, para la predicción de cualquier propiedad molecular de interés, de forma automática y por lo tanto con mínima intervención del usuario. Para esto, se plantean los siguientes objetivos:
⦁ Desarrollar un flujo de trabajo computacional que integre las fases de construcción, validación y aplicación de los modelos QSAR, fiel a las buenas prácticas de computación recomendadas en las normativas de la OECD (Organisation for Economic ⦁ ⦁ Co-operation and Development) y la ECHA (European Chemicals Agency).
Implementar una metaheurística de optimización y búsqueda, que permita explorar el conjunto de parámetros moleculares calculados para obtener las combinaciones que generen modelos óptimos (de adecuado poder predictivo) en menor tiempo posible de búsqueda.
⦁ Integrar en la plataforma las técnicas del aprendizaje automático modernos, tales como: las redes neuronales artificiales, máquina de suporte vectorial, arboles de clasificación y sus variantes, k-NN así como los métodos estadísticos de regresión linear múltiple, análisis discriminante lineal y los mínimos cuadrados parciales.
El proyecto MetaQSAR consiste en el desarrollo de una plataforma computacional que permite generar modelos QSAR, para la predicción de cualquier propiedad molecular de interés, de forma automática y por lo tanto con mínima intervención del usuario. Para esto, se plantean los siguientes objetivos:
⦁ Desarrollar un flujo de trabajo computacional que integre las fases de construcción, validación y aplicación de los modelos QSAR, fiel a las buenas prácticas de computación recomendadas en las normativas de la OECD (Organisation for Economic ⦁ ⦁ Co-operation and Development) y la ECHA (European Chemicals Agency).
Implementar una metaheurística de optimización y búsqueda, que permita explorar el conjunto de parámetros moleculares calculados para obtener las combinaciones que generen modelos óptimos (de adecuado poder predictivo) en menor tiempo posible de búsqueda.
⦁ Integrar en la plataforma las técnicas del aprendizaje automático modernos, tales como: las redes neuronales artificiales, máquina de suporte vectorial, arboles de clasificación y sus variantes, k-NN así como los métodos estadísticos de regresión linear múltiple, análisis discriminante lineal y los mínimos cuadrados parciales.
Periodo:
2020-2022
Programa:
CREACIÓN DE EMPRESAS DE BASE TECNOLÓGICA (CREATEC-CV)
Entidad financiadora:
IVACE
This project has received funding from the European Union’s Horizon 2020 research and innovation program under the Marie Sklodowska-Curie grant agreement No 101029275