Usaré machine learning para buscar compuestos para la interacción con proteínas
acoplamiento molecular, descubrimiento de fármacos impulsado por IA, modelos 3D
Acerca de este Servicio
Preparación del receptor objetivo: Recuperación, limpieza y optimización de estructuras cristalinas de proteínas directamente desde la Protein Data Bank (PDB) (por ejemplo, manejo de residuos faltantes, carga y mapeo de la caja de cuadrícula).
Curación y filtrado de la biblioteca de ligandos: Obtención de bibliotecas de compuestos de bases de datos como ChEMBL o PubChem, seguido de un filtrado estricto de propiedades fisicoquímicas usando Python (RDKit) para garantizar la similitud a medicamentos (Regla de las Cinco de Lipinski y Criterios de Veber).
Cribado virtual de alto rendimiento (HTVS): Configuración de coordenadas precisas del sitio de unión y ejecución de cribados de alto rendimiento.
Simulaciones de acoplamiento molecular: Acoplamiento estructural completo usando AutoDock Vina para generar datos conformacionales de múltiples poses y extraer afinidades de energía libre de Gibbs ($\Delta G$ en kcal/mol) precisas.
Análisis de datos e informes: Un desglose estadístico limpio y listo para publicación (afinidades mínimas/máximas/media, seguimiento de desviación estándar) que identifica a tus candidatos líderes de nivel avanzado.

