Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Implementation of new machine learning algorithms for the optimisation of drug formulations

Descripción del proyecto

Predicción y optimización de la formación de fármacos con aprendizaje automático

El desarrollo y la predicción eficaces y precisos de formas cristalinas con propiedades fisicoquímicas específicas son fundamentales para la industria farmacéutica. Sin embargo, este proceso es uno de los más complicados y arriesgados, ya que los investigadores deben identificar las mejores formas cristalinas para una mezcla de ingredientes con el fin de evitar la interconversión, lo cual podría provocar cambios drásticos en la eficacia, solubilidad y biodisponibilidad del fármaco. El proyecto MACHINE-DRUG, financiado por el Consejo Europeo de Investigación, pretende desarrollar una novedosa metodología de aprendizaje automático que podría acelerar cien veces el proceso de predicción de estructuras cristalinas, lo cual permitiría a los investigadores anticiparse a las complicaciones que puedan surgir con el tiempo y utilizar la formulación óptima para cada fármaco.

Objetivo

Correctly developing and predicting crystalline forms with specific physico-chemical properties is essential to the pharmaceutical industry. The main challenge this industry faces is the fact that most active pharmaceutical ingredients in most drugs can interconvert into a different (usually more stable) polymorph, potentially reducing the solubility of the drug, slowing down the release of the API and affecting the pharmacokinetics, bioavailability and efficacy of the drug. For instance, due to the complex interplay between thermodynamics and kinetics, it often happens that unexpected polymorphs emerge either in development (best case scenario) or long after the drug has been approved for market (worst case scenario). A previously known stable form that disappears or the sudden appearance of an even more stable form can have grave consequences. For instance, the new form may have new properties that are not suitable for the intended purpose of the drug, leading to significant economic and public health repercussions. This ERC Proof of Concept project aims to implement new machine learning approaches that would allow to accelerate the process of predicting crystal structures by a factor of 100, thereby making it sustainable and enabling industry to investigate other crystal structures of the same drug to find the most suitable formulation (e.g. hydrates, salts, co-crystals, etc). Beyond pharma (which is our target application for MACHINE-DRUG), polymorphism of chemical structures has significant importance across many other different industries. For instance, the polymorphism of a pigment can generate a different colour, or the polymorphism of a chemical structure can lead to a material with significantly different properties (thermal, plastic, etc.). As such, MACHINE-DRUG is a lean, targeted project with a clear scope, but its potential applications are limitless.

Ámbito científico (EuroSciVoc)

CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural. Véas: El vocabulario científico europeo..

Para utilizar esta función, debe iniciar sesión o registrarse

Programa(s)

Programas de financiación plurianuales que definen las prioridades de la UE en materia de investigación e innovación.

Tema(s)

Las convocatorias de propuestas se dividen en temas. Un tema define una materia o área específica para la que los solicitantes pueden presentar propuestas. La descripción de un tema comprende su alcance específico y la repercusión prevista del proyecto financiado.

Régimen de financiación

Régimen de financiación (o «Tipo de acción») dentro de un programa con características comunes. Especifica: el alcance de lo que se financia; el porcentaje de reembolso; los criterios específicos de evaluación para optar a la financiación; y el uso de formas simplificadas de costes como los importes a tanto alzado.

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

Procedimiento para invitar a los solicitantes a presentar propuestas de proyectos con el objetivo de obtener financiación de la UE.

(se abrirá en una nueva ventana) ERC-2023-POC

Ver todos los proyectos financiados en el marco de esta convocatoria

Institución de acogida

UNIVERSITE DU LUXEMBOURG
Aportación neta de la UEn

Aportación financiera neta de la UE. Es la suma de dinero que recibe el participante, deducida la aportación de la UE a su tercero vinculado. Considera la distribución de la aportación financiera de la UE entre los beneficiarios directos del proyecto y otros tipos de participantes, como los terceros participantes.

€ 150 000,00
Dirección
2 PLACE DE L'UNIVERSITE
4365 ESCH-SUR-ALZETTE
Luxemburgo

Ver en el mapa

Región
Luxembourg Luxembourg Luxembourg
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total

Los costes totales en que ha incurrido esta organización para participar en el proyecto, incluidos los costes directos e indirectos. Este importe es un subconjunto del presupuesto total del proyecto.

Sin datos

Beneficiarios (1)

Mi folleto 0 0