{"id":46575,"date":"2024-06-20T10:37:03","date_gmt":"2024-06-20T16:37:03","guid":{"rendered":"https:\/\/saluddigital.com\/?p=46575"},"modified":"2025-10-18T15:47:59","modified_gmt":"2025-10-18T21:47:59","slug":"cleveland-clinic-e-ibm-exploran-la-computacion-cuantica-para-la-prediccion-de-estructuras-de-proteinas","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/cleveland-clinic-e-ibm-exploran-la-computacion-cuantica-para-la-prediccion-de-estructuras-de-proteinas\/","title":{"rendered":"Cleveland Clinic e IBM exploran la computaci\u00f3n cu\u00e1ntica para la predicci\u00f3n de estructuras de prote\u00ednas"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

La colaboraci\u00f3n entre ambas organizaciones concentra sus esfuerzos en la combinaci\u00f3n de m\u00e9todos cu\u00e1nticos y cl\u00e1sicos para alcanzar nuevos avances m\u00e9dicos.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores de Cleveland Clinic e IBM han publicado hallazgos<\/a> innovadores sobre el potencial de la computaci\u00f3n cu\u00e1ntica en la predicci\u00f3n de estructuras de prote\u00ednas. Esta colaboraci\u00f3n, detallada en Journal of Chemical Theory and Computation<\/em>, marca el primer art\u00edculo revisado por pares de la asociaci\u00f3n Cleveland Clinic y IBM, Discovery Accelerator<\/a>.<\/p>

Durante d\u00e9cadas, los cient\u00edficos han utilizado m\u00e9todos computacionales para predecir las estructuras de las prote\u00ednas, las cuales son cruciales para comprender los mecanismos de las enfermedades y desarrollar nuevas terapias y terapias personalizadas. Las prote\u00ednas se pliegan en formas espec\u00edficas, lo que determina su funci\u00f3n e interacci\u00f3n con otras mol\u00e9culas, influyendo en diversos aspectos de la salud humana.<\/p>

Las t\u00e9cnicas tradicionales de machine learning<\/em> han mejorado la predicci\u00f3n de estructuras de prote\u00ednas, pero est\u00e1n limitadas por su dependencia de amplias bases de datos de estructuras proteicas conocidas. Esta limitaci\u00f3n reduce la precisi\u00f3n cuando se predicen estructuras de prote\u00ednas mutadas o novedosas, lo que es com\u00fan en los trastornos gen\u00e9ticos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Por ello, un equipo del Discovery Accelerator liderado por el Dr. Bryan Raubenolt de Cleveland Clinic y el Dr. Hakan Doga de IBM, exploraron el uso de un enfoque h\u00edbrido cu\u00e1ntico-cl\u00e1sico. El equipo de investigaci\u00f3n, explor\u00f3 un enfoque h\u00edbrido que combina la computaci\u00f3n cu\u00e1ntica y cl\u00e1sica. Este m\u00e9todo aborda las limitaciones de las simulaciones cl\u00e1sicas, especialmente para prote\u00ednas m\u00e1s grandes donde las b\u00fasquedas exhaustivas son dif\u00edciles de poner en pr\u00e1ctica.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El equipo utiliz\u00f3 con \u00e9xito algoritmos cu\u00e1nticos para predecir el plegamiento de un peque\u00f1o fragmento de una prote\u00edna del virus Zika, logrando resultados que superaron los m\u00e9todos cl\u00e1sicos y AlphaFold2. Este marco permite que la computaci\u00f3n cu\u00e1ntica maneje los aspectos m\u00e1s desafiantes, como el tama\u00f1o de las prote\u00ednas y la f\u00edsica compleja del plegamiento, mientras que los m\u00e9todos cl\u00e1sicos finalizan la estructura.<\/p>

El proceso involucr\u00f3 el uso de algoritmos cu\u00e1nticos para modelar las conformaciones de energ\u00eda m\u00e1s baja de la columna vertebral de la prote\u00edna, una tarea intensiva en computaci\u00f3n. Los m\u00e9todos cl\u00e1sicos luego refinaron estos resultados, reconstruyendo la prote\u00edna con cadenas laterales y aplicando campos de fuerza de mec\u00e1nica molecular.<\/p>

Este proyecto resalta la necesidad de colaboraci\u00f3n multidisciplinaria, involucrando expertos en biolog\u00eda computacional, qu\u00edmica, biolog\u00eda estructural, ingenier\u00eda de software, f\u00edsica experimental, matem\u00e1ticas y computaci\u00f3n cu\u00e1ntica.\u00a0 Asimismo, el \u00e9xito de este marco h\u00edbrido es un paso importante hacia la comprensi\u00f3n de las estructuras de las prote\u00ednas. El equipo planea desarrollar y optimizar algoritmos cu\u00e1nticos para predecir prote\u00ednas m\u00e1s grandes y complejas, potencialmente revolucionando el tratamiento y la prevenci\u00f3n de enfermedades.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

CLEVELAND CLINIC<\/strong><\/p>

https:\/\/newsroom.clevelandclinic.org\/2024\/05\/29\/cleveland-clinic-and-ibm-researchers-apply-quantum-computing-methods-to-protein-structure-prediction<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

La colaboraci\u00f3n entre ambas organizaciones concentra sus esfuerzos en la combinaci\u00f3n de m\u00e9todos cu\u00e1nticos y cl\u00e1sicos para alcanzar nuevos avances m\u00e9dicos. Investigadores de Cleveland Clinic e IBM han publicado hallazgos innovadores sobre el potencial de la computaci\u00f3n cu\u00e1ntica en la predicci\u00f3n de estructuras de prote\u00ednas. Esta colaboraci\u00f3n, detallada en Journal of Chemical Theory and Computation, marca el primer art\u00edculo revisado por pares de la asociaci\u00f3n Cleveland Clinic y IBM, Discovery Accelerator. Durante d\u00e9cadas, los cient\u00edficos han utilizado m\u00e9todos computacionales para predecir las estructuras de las prote\u00ednas, las cuales son cruciales para comprender los mecanismos de las enfermedades y desarrollar nuevas terapias y terapias personalizadas. Las prote\u00ednas se pliegan en formas espec\u00edficas, lo que determina su funci\u00f3n e interacci\u00f3n con otras mol\u00e9culas, influyendo en diversos aspectos de la salud humana. Las t\u00e9cnicas tradicionales de machine learning han mejorado la predicci\u00f3n de estructuras de prote\u00ednas, pero est\u00e1n limitadas por su dependencia de amplias bases de datos de estructuras proteicas conocidas. Esta limitaci\u00f3n reduce la precisi\u00f3n cuando se predicen estructuras de prote\u00ednas mutadas o novedosas, lo que es com\u00fan en los trastornos gen\u00e9ticos. Por ello, un equipo del Discovery Accelerator liderado por el Dr. Bryan Raubenolt de Cleveland Clinic y el Dr. Hakan Doga de IBM, exploraron el uso de un enfoque h\u00edbrido cu\u00e1ntico-cl\u00e1sico. El equipo de investigaci\u00f3n, explor\u00f3 un enfoque h\u00edbrido que combina la computaci\u00f3n cu\u00e1ntica y cl\u00e1sica. Este m\u00e9todo aborda las limitaciones de las simulaciones cl\u00e1sicas, especialmente para prote\u00ednas m\u00e1s grandes donde las b\u00fasquedas exhaustivas son dif\u00edciles de poner en pr\u00e1ctica. El equipo utiliz\u00f3 con \u00e9xito algoritmos cu\u00e1nticos para predecir el plegamiento de un peque\u00f1o fragmento de una prote\u00edna del virus Zika, logrando resultados que superaron los m\u00e9todos cl\u00e1sicos y AlphaFold2. Este marco permite que la computaci\u00f3n cu\u00e1ntica maneje los aspectos m\u00e1s desafiantes, como el tama\u00f1o de las prote\u00ednas y la f\u00edsica compleja del plegamiento, mientras que los m\u00e9todos cl\u00e1sicos finalizan la estructura. El proceso involucr\u00f3 el uso de algoritmos cu\u00e1nticos para modelar las conformaciones de energ\u00eda m\u00e1s baja de la columna vertebral de la prote\u00edna, una tarea intensiva en computaci\u00f3n. Los m\u00e9todos cl\u00e1sicos luego refinaron estos resultados, reconstruyendo la prote\u00edna con cadenas laterales y aplicando campos de fuerza de mec\u00e1nica molecular. Este proyecto resalta la necesidad de colaboraci\u00f3n multidisciplinaria, involucrando expertos en biolog\u00eda computacional, qu\u00edmica, biolog\u00eda estructural, ingenier\u00eda de software, f\u00edsica experimental, matem\u00e1ticas y computaci\u00f3n cu\u00e1ntica.\u00a0 Asimismo, el \u00e9xito de este marco h\u00edbrido es un paso importante hacia la comprensi\u00f3n de las estructuras de las prote\u00ednas. El equipo planea desarrollar y optimizar algoritmos cu\u00e1nticos para predecir prote\u00ednas m\u00e1s grandes y complejas, potencialmente revolucionando el tratamiento y la prevenci\u00f3n de enfermedades. BIBLIOGRAF\u00cdA CLEVELAND CLINIC https:\/\/newsroom.clevelandclinic.org\/2024\/05\/29\/cleveland-clinic-and-ibm-researchers-apply-quantum-computing-methods-to-protein-structure-prediction<\/p>","protected":false},"author":1,"featured_media":46577,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-46575","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/46575","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=46575"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/46575\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/46577"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=46575"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=46575"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=46575"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}