PULSO AI · Nueva plataforma impulsada por TD
Google combina modelos de biología computacional y colaboraciones clínicas para acelerar descubrimientos —desde predicciones genómicas hasta diagnóstico ultrarrápido— con aplicaciones directas en salud pública y atención médica.
Investigadores del MIT presentan PottsMPNN, un modelo de aprendizaje automático que incorpora principios físicos y evolución para generar secuencias proteicas que no necesariamente se parecen a las naturales, pero sí son más consistentes con la estabilidad y el plegamiento deseado. El enfoque promete ampliar las posibilidades del diseño de nuevas proteínas con aplicaciones biomédicas y biotecnológicas.
Un equipo liderado por la Universidad de Maryland y Texas A&M identificó proteínas en la sangre de serpientes que inhiben toxinas del veneno. Combinadas, estas proteínas neutralizan venenos de varias especies y podrían dar paso a antídotos recombinantes más seguros y baratos.
La UNAM y el Tec de Monterrey formalizaron una alianza para convertir las antiguas instalaciones de GSK en un centro de biotecnología en CDMX. Con 125 millones de dólares de inversión y un clúster de computo e inteligencia artificial, buscan reducir la dependencia de importaciones y acelerar la llegada de terapias al mercado.
MIT y el estado de Massachusetts anunciaron la creación del Quantum Systems Laboratory (QSL), un laboratorio de uso compartido en el campus de MIT que integrará computación cuántica, sensores y conectividad. La inversión estatal de $25 millones, que se suma a fondos federales y privados, busca consolidar a la región como un centro nacional de innovación cuántica y generar impactos en salud, defensa y emprendimiento.
OpenProtein.AI ofrece una plataforma sin código que permite a biólogos diseñar y analizar proteínas usando modelos de base especializados. Fundada por investigadores formados en MIT, busca reducir la brecha entre la IA puntera y los laboratorios de investigación.
