Este curso ofrece una visión profunda y actualizada sobre el impacto de la inteligencia artificial (IA) en el proceso de diseño de fármacos, una de las áreas más innovadoras y prometedoras en la biotecnología moderna. A lo largo del curso, los participantes aprenderán cómo las técnicas avanzadas de IA están acelerando la identificación de nuevos compuestos terapéuticos, optimizando procesos preclínicos y reduciendo tiempos y costos en el desarrollo de medicamentos. Este conocimiento es esencial para cualquier profesional que desee mantenerse a la vanguardia de la investigación farmacéutica y la innovación tecnológica en salud y áreas relacionadas.
Además, el curso permitirá a los profesionales del sector salud, biotecnología y farmacéutica adquirir habilidades críticas en el uso de IA para la investigación y desarrollo de fármacos, abriendo nuevas oportunidades de liderazgo y colaboración en sus campos. Además, el enfoque práctico y actualizado del curso, junto con su enfoque en casos reales de implementación, garantizará que los participantes no solo comprendan los conceptos clave, sino que también adquieran competencias para aplicar la IA en el descubrimiento de nuevos medicamentos, marcando la diferencia en sus trayectorias profesionales.
En cuanto al diferencial del curso, este radica en su enfoque integral que combina una metodología práctica con el análisis de casos reales en el uso de inteligencia artificial para el descubrimiento de fármacos. Además, el contenido está diseñado para abordar los desafíos y oportunidades coyunturales de la industria, como la creciente demanda de innovación acelerada en la creación de terapias.
Como otro diferencial, el curso es impartido por un equipo de profesores expertos en biotecnología y ciencias computacionales, quienes no solo tienen experiencia en investigación de frontera, sino también en la aplicación industrial de la IA, brindando a los participantes una comprensión profunda y actualizada de cómo aprovechar estas herramientas en sus entornos profesionales.
Dirigido a
Este curso está dirigido a profesionales y estudiantes de posgrado que deseen adquirir conocimientos avanzados sobre el uso de inteligencia artificial en el descubrimiento de fármacos, especialmente aquellos que ya se desempeñan en los sectores de biotecnología, farmacéutica, bioinformática y ciencias computacionales aplicadas a la salud.
Potenciales profesiones afines con las temáticas del curso: Biólogos moleculares, Ingenieros biomédicos, Farmacéuticos, Científicos de datos, Químicos medicinales, Ciencias computacionales, Investigadores en salud y tecnología, Ingeniería química, Ingeniería Industrial y profesionales que en su trabajo se relacionen con temas de diseño de fármacos.
Se recomienda que los participantes tengan al menos un título de pregrado en áreas relacionadas con ciencias biológicas, químicas o computacionales, y preferiblemente experiencia laboral mínima de 2 años en investigación o desarrollo de fármacos, biotecnología o análisis de datos. También será de gran valor para profesionales con títulos de posgrado o realizando un postgrado que busquen especializarse en la intersección entre IA y ciencias de la vida.
Conocimientos previos y prerrequisitos:
No es indispensable tener conocimientos avanzados de inteligencia artificial, pero se sugiere una comprensión básica de procesos biotecnológicos y herramientas computacionales. Aquellos con conocimientos previos en programación básica, análisis de datos o bioinformática encontrarán una ventaja adicional en el curso.
Objetivos
Al finalizar el curso, el estudiante estará en capacidad de:
- Aplicar técnicas de inteligencia artificial en el proceso de descubrimiento de fármacos, desde la identificación de compuestos hasta la optimización preclínica.
- Evaluar y seleccionar algoritmos de IA adecuados para análisis de datos biomoleculares, simulaciones de interacciones de fármacos y predicción de resultados terapéuticos.
- Analizar grandes conjuntos de datos biológicos utilizando herramientas computacionales avanzadas para identificar patrones y generar hipótesis aplicables a la investigación farmacéutica.
- Identificar los retos y oportunidades clave en la implementación de inteligencia artificial en la industria farmacéutica, aportando soluciones innovadoras a problemas actuales.
- Comunicar resultados científicos relacionados con el descubrimiento de fármacos mediante IA de manera clara y precisa, tanto a audiencias técnicas como no técnicas.
Metodología
Este curso se desarrollará bajo una metodología activa y participativa, con un enfoque en la aplicación práctica de conceptos mediante herramientas digitales y actividades que fomenten el aprendizaje por experimentación. La estructura del curso sigue un enfoque modular que combina la exposición teórica con actividades prácticas en cada sesión. Las actividades prácticas durante el curso permitirán a los estudiantes aplicar inmediatamente los conceptos aprendidos.
Contenido
Sesión 1 - Bases de la Acción de los Fármacos como Inhibidores
Objetivo: Comprender los principios fundamentales de la acción de los fármacos como inhibidores en sistemas biológicos.
- Mecanismos de acción de inhibidores en proteínas y enzimas.
- Tipos de inhibidores: competitivos, no competitivos y mixtos.
- Ejemplos de fármacos inhibidores y sus aplicaciones clínicas.
- Actividad práctica: Análisis de un caso de estudio sobre inhibición en un proceso biológico.
Sesión 2 - Inteligencia Artificial y sus Bases
Objetivo: Introducir los conceptos fundamentales de inteligencia artificial y su aplicación en la investigación farmacológica.
- Diferencias entre IA, machine learning (ML) y deep learning (DL).
- Algoritmos más utilizados en IA para biología: redes neuronales, árboles de decisión, SVM.
- Aplicaciones de IA en el descubrimiento de fármacos.
- Actividad práctica: Implementación básica de un algoritmo de machine learning.
Sesión 3 - Descriptores Moleculares, Docking, Predicción de estructura de proteínas, Dinámica Molecular de Interacción
Objetivo: Aprender a calcular y utilizar descriptores moleculares y realizar simulaciones de predicción, dinámica y docking molecular.
- Descriptores moleculares: tipos y su importancia en la predicción de actividad biológica.
- Simulación de la interacción entre fármacos y proteínas.
- Uso de software para predicción, simulaciones y docking moleculares.
- Actividad práctica: Cálculo de descriptores y simulación de interacción fármaco-receptor.
Sesión 4 - Modelos de Aprendizaje en el Descubrimiento de Fármacos
Objetivo: Explorar y aplicar modelos de aprendizaje automático para la predicción de interacciones fármaco-proteína.
- Algoritmos supervisados vs no supervisados en el descubrimiento de fármacos.
- Redes neuronales profundas y su papel en el modelado de interacción molecular.
- Actividad práctica: Entrenamiento de un modelo para predecir la actividad de un compuesto.
Sesión 5 - Evaluación del Aprendizaje
Objetivo: Evaluar el rendimiento de los modelos de machine learning en la predicción de propiedades farmacológicas.
- Métricas de evaluación: precisión, sensibilidad, especificidad, AUC-ROC.
- Optimización de hiperparámetros en modelos de aprendizaje.
- Actividad práctica: Evaluación de un modelo entrenado y ajuste de sus parámetros para mejorar rendimiento.
Sesión 6 - Cribado Virtual
Objetivo: Aplicar técnicas de cribado virtual para la selección de candidatos a fármacos.
- Proceso de cribado virtual: estructura vs ligando.
- Software y herramientas para el cribado virtual.
- Actividad práctica: Realizar un cribado virtual utilizando una base de datos de compuestos.
Sesión 7 - Análisis y Predicción ADMET
Objetivo: Utilizar IA para predecir propiedades ADMET (Absorción, Distribución, Metabolismo, Excreción, Toxicidad).
- Modelos de predicción de ADMET basados en machine learning.
- Casos de estudio sobre el uso de ADMET en la fase preclínica de fármacos.
- Actividad práctica: Implementación de un modelo de predicción de propiedades ADMET para un conjunto de compuestos.
Sesión 8 - Tendencias Futuras en el Descubrimiento de Fármacos con IA
Objetivo: Explorar las tecnologías emergentes y su impacto futuro en el descubrimiento de fármacos.
- IA cuántica y sus aplicaciones potenciales en biotecnología.
- Impacto de la biología sintética y otras tecnologías disruptivas en el diseño de fármacos.
Profesores
Condiciones
Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar sus profesores o cancelar el programa. En este caso el participante podrá optar por la devolución de su dinero o reinvertirlo en otro curso de Educación Continua que se ofrezca en ese momento, asumiendo la diferencia si la hubiere.
La apertura y desarrollo del programa estará sujeto al número de inscritos. El Departamento/Facultad (Unidad académica que ofrece el curso) de la Universidad de los Andes se reserva el derecho de admisión dependiendo del perfil académico de los aspirantes.
