Il CIMA e il centro di supercalcolo di Barcellona (BSC – CNS) hanno pubblicato la prima rassegna completa delle metodologie adottate dai motori di ricerca in campo farmacologico.
Nel campo della ricerca biomedica molte informazioni non sono ancora disponibili in forma strutturata. Ad esempio la letteratura scientifica, che è in rapidissima crescita, i brevetti farmaceutici, le cartelle mediche e la documentazione sulle sperimentazioni cliniche. Di fatto, ogni anno, le riviste scientifiche in campo medico e biochimico pubblicano articoli relativi a sperimentazioni su oltre 20 mila nuove molecole.
Per la ricerca medica, ovviamente, è essenziale disporre di informazioni strutturate sui composti chimici, in quanto costituiscono gli elementi base di ogni strategia terapeutica. Ciò è particolarmente vero per quelle malattie che a causa della loro scarsa incidenza risultano attualmente trascurate dalla ricerca farmaceutica. È il problema dei c.d. «farmaci orfani», cioè dei medicinali per il trattamento di una malattia rara.
Premesso che in Europa una malattia è considerata rara se colpisce meno di 1 abitante su 2000, i farmaci per la cura di tali patologie non sono remunerativi in condizioni normali di mercato e quindi non sono commercializzati.
«La costruzione di un grande database delle molecole farmacologiche, che integri informazioni chimiche con dati biologici e clinici è cruciale per identificare e convalidare nuovi percorsi terapeutici per malattie attualmente trascurate e per accelerare la scoperta di nuove molecole», afferma Julen Oyarzabal, direttore di Scienze Traslazionali al CIMA, centro per la ricerca medica applicata dell’Università di Pamplona.
Il CIMA e il centro di supercalcolo di Barcellona (BSC – CNS) hanno pubblicato la prima rassegna completa delle metodologie adottate dai motori di ricerca in campo farmacologico, in particolare i sistemi di named-entity recognition e quelli di ricerca testuale. I risultati più promettenti per la ricerca testuale, secondo il team di ricerca, sono stati ottenuti unendo big data, machine learning e intelligenza artificiale.
I principali risultati della ricerca sono stati pubblicati su Chemical Reviews.
Fonte: Biotech