Processant ...

Actualment, el descobriment de fàrmacs antivirals passa per dues fases. En la primera, s’utilitzen mètodes d’intel·ligència artificial per a deduir l’estructura de possibles fàrmacs. Aquesta estructura es representa en un fitxer .SDF. En una segona fase, el fàrmac es sintetitza usant aquestes estructures en un laboratori químic i es testegen en animals. L'objectiu d'aquest treball és utilitzar un model d’intel·ligència artificial per la predicció de la bondat de fàrmacs com antivirals. Tenim les descripcions matemàtiques dels models publicades en revistes científiques i també el codi lliure en Python. L'alumne haurà de descarregar-se el codi i executar-lo en una base de dades de components químics generada per la URV. L'objectiu no és codificar en Python el codi d'aquest model sinó descarregar-se’l, executar-lo i fer-ne un anàlisi usant la nostra base de dades. Feines específiques: - Provar el codi descarregat amb la base de dades que proposen els autors - Convertir la base de dades de la URV al format desitjat pel codi descarregat - Provar el codi amb la base de dades de la URV - Escriure la memòria tot incorporant informació del model, el codi, com instal·lar-lo i executar-lo i les proves portades a terme. Proposta de model: CheapNet: Hyukjun Lim, Sun Kim, and Sangseon Lee. Cheapnet: Cross-attention on hierarchical representations for efficient protein-ligand binding affinity prediction. In 13th Interna- tional Conference on Learning Representations, ICLR 2025.