Investigación en Informática
Los científicos e ingenieros de Intelligent Pharma están investigando y desarrollando activamente nuevas tecnologías en el campo de la informática. Como resultado, Intelligent Pharma ha desarrollado soluciones computacionales directamente adquiribles por nuestros clientes. Además, los ingenieros de Intelligent Pharma pueden personalizar las soluciones desarrolladas para las necesidades específicas de cada cliente.
Proyectos
Algoritmos evolutivos: Intelligent Pharma tiene una línea de investigación en algoritmos evolutivos muy activa. Nuestro equipo trabaja en dos áreas. Por un lado, la encapsulación vía servicio web de algoritmos evolutivos. De ese modo, para cada nueva aplicación que requiere un proceso de optimización, la aplicaciṕn utiliza el servicio web que contiene los algoritmos genéticos y todos los cálculos se pueden llevar a cabo en hardware a medida, diseñado para ejecutar este tipo de cálculos. El desarrollo de software distribuído utilizando webservices permite a los ingenieros de Intelligent Pharma ser muy eficientes en la construcción de nuevas soluciones computacionales.
Por otro lado, los ingenieros de Intelligent Pharma también realizan investigación en Gene Expression Programming (GEP). GEP es una tecnología que permite inferir expresiones matemáticas analíticas. De este modo, se puede inferir la expresión matemática analítica del comportamiento de algunas propiedades moleculares en función de determinados factores, como el volumen molecular en función de la flexibilidad y la energía del sistema. Con esta información se pueden usar herramientas de aprendizaje automático para utilizar QSAR no sólo basándose en descriptores moleculares constantes como hasta ahora.
Aprendizaje automático: Las herramientas de aprendizaje automático como las redes neuronales, máquinas de soporte vectorial, etc. son aproximaciones clásicas para resolver distintos problemas de la química computacional, como por ejemplo el QSAR. Sin embargo, en general en este tipo de problemas el aprendizaje automático clásico no alcanza tasas de predicción mejores que el 70-85%. En Intelligent Pharma hemos estudiado exhaustivamente las causas de este bajo rendimiento y una de las causas detectadas es el uso de descriptores moleculares constantes, cuando las moléculas no son constantes ni rígidas.
Las moléculas son entidades tridimensionales y flexibles. Por lo tanto, los descriptores moleculares deben tener en cuenta estos dos factores si se pretenden conseguir tasas de acierto más altas. Sin embargo, la dificultad principal es que las herramientas de aprendizaje automático clásicas no están preparadas ni diseñadas para ser capaces de aprender con descriptores variables. Para resolver esta dificultad, en Intelligent Pharma estamos investigando en nuevos avances en aprendizaje automático, basándonos principalmente en máquinas de soporte vectorial, que permitan aprender de información funcional.
Computación distribuída, Grid- y Cloud-Computing: Intelligent Pharma también realiza investigación en nuevas herramientas para paralelizar la tecnologçia computacional que desarrolla. Estas herramientas están siendo desarrolladas en colaboración con el Barcelona SuperComputing Center-Centro Nacional de Supercomputación y están basadas principalmente en grid-computing. Además, Intelligent Pharma también está explorando la viabilidad de utilizar tecnologías de cloud-computing para migrar nuestras tecnologías a entornos cumputacionales todavía más escalables. Para realizar estas investigaciones, Intelligent Pharma dispone de su propio supercomputador Hydra y de MareNostrum, uno de los supercomputadores más potentes de Europa.