Image Alt

IDIFEDER-INAM

El proyecto .

El Instituto Universitario de Materiales Avanzados (INAM), ha puesto en marcha el laboratorio para el Diseño de fármacos asistido por ordenador para el tratamiento de la COVID-19 mediante el uso de “Machine Learning” y métodos

“QM/MM”, situado en la Escuela Superior de Tecnología y Ciencias Experimentales, de la Universidad Jaume I.

Este nuevo laboratorio de investigación está orientado en el estudio de las interacciones moleculares entre el virus SARS-CoV-2 y una amplia gama de compuestos propuestos mediante simulación empleando métodos Quantum Mechanics y Molecular Mechanics (“QM/MM”) y el uso de “Machine Learning” para refinar los resultados de las interacciones bajo múltiples entornos y condiciones complejas. Estas interacciones proporcionan información sobre la eficacia antiviral de los compuestos propuestos, obteniéndose compuestos candidatos para su síntesis y la evaluación de su actividad antiviral.

El laboratorio cuenta con los equipamientos informáticos avanzados necesarios para la simulación de los entornos e interacciones entre el virus SARS-CoV-2 y una amplia gama de compuestos, con el objetivo de diseñar compuestos antivirales para el COVID-19 que sean eficaces tanto para el tratamiento como para la prevención de la infección.

Dos grupos de la UJI se han unido para completar con éxito este proyecto, el grupo “BioComp” dirigido por el profesor Vicent Moliner, y el grupo de “Neurobiotecnología” dirigido por la investigadora Ana María Sánchez, que forman parte del Instituto de Materiales Avanzados (INAM), liderado por el profesor Juan Bisquert.

Proyecto IDIFEDER/2021/027 “Diseño de fármacos asistido por ordenador para el tratamiento de la COVID-19 mediante el uso de “Machine Learning” y métodos “QM/MM” Actuación cofinanciada por la Unión Europea a través del Programa Operativo del Fondo Europeo de Desarrollo Regional (FEDER) de la Comunitat Valenciana 2014-2020

Proyecto Diseño de fármacos asistido por ordenador para el tratamiento de la COVID-19 mediante el uso de “Machine Learning” y métodos
“QM/MM”

Equipamiento .

Equipo:

Módulo de 4 nodos GPU

Módulo de 20 nodos CPU

Colaboradores .