O artigo “Combating small molecule aggregation with machine learning” liderado por Tiago Rodrigues, e resultante de colaboração com Investigadores do Instituto de Medicina Molecular, Universidade de Duke e Insilico Medicine Taiwan, foi publicado, a 13 de setembro de 2021, na revista “Cell Reports Physical Science”.

No presente estudo, uma rede neuronal foi utilizada para detecção de falsos positivos e potenciais artefactos em triagem de pequenas moléculas, como resultado de agregação das mesmas em solução aquosa. Os dados da pesquisa liderada pelo Investigador da FFUL mostram que uma elevada percentagem de pequenas moléculas tem o potencial para agregar em ensaios biológicos (small colloidally aggregating molecules – SCAMs) e que a sua identificação de forma automática consegue ser tão fiável quanto os resultados obtidos a partir do habitual teste de Turing. A abordagem inerente ao estudo comprova que o recurso a ferramentas computacionais tem bastante utilidade numa tarefa crítica no desenvolvimento de medicamentos.

Notícias

  • Etiqueta:

Universidade de Lisboa Entre as Melhores do Mundo no Ranking CWUR 2025

Lançamento do Manual de Boas Práticas em Primeiros Socorros Psicológicos na ULisboa

Dia Aberto FFUL 2025 Aproxima a Faculdade dos Futuros Profissionais de Saúde

Campanha FFUL “Morning Smile With Constança” Entrega Tampinhas

INOV@U Lança Comunidades de Prática | Inscrições Abertas em Permanência

João Franco-Machado distinguido com menção honrosa no Portuguese Young Chemists Award 2025

Consulta Pública: Regulamento de Mecenato FFUL

Consulta Pública: Regulamento para Atribuição de Prémios de Desempenho Escolar | Programa Impulso Adultos

Reabertura do Pavilhão de Portugal

O artigo “Combating small molecule aggregation with machine learning” (link direto para o artigo a adicionar aquando da publicação) liderado por Tiago Rodrigues, e resultante de colaboração com Investigadores do Instituto de Medicina Molecular, Universidade de Duke e Insilico Medicine Taiwan, foi publicado, a 13 de setembro de 2021, na revista “Cell Reports Physical Science”.

No presente estudo, uma rede neuronal foi utilizada para detecção de falsos positivos e potenciais artefactos em triagem de pequenas moléculas, como resultado de agregação das mesmas em solução aquosa. Os dados da pesquisa liderada pelo Investigador da FFUL mostram que uma elevada percentagem de pequenas moléculas tem o potencial para agregar em ensaios biológicos (small colloidally aggregating molecules – SCAMs) e que a sua identificação de forma automática consegue ser tão fiável quanto os resultados obtidos a partir do habitual teste de Turing. A abordagem inerente ao estudo comprova que o recurso a ferramentas computacionais tem bastante utilidade numa tarefa crítica no desenvolvimento de medicamentos.