Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Drug Discovery: Overview01:26

Drug Discovery: Overview

8.7K
Drug discovery is a multifaceted process involving extensive screening, testing, and optimization of lead compounds to identify potential new drugs for therapeutic use. It combines several approaches, including screening large numbers of natural products, chemical modification of known active molecules, identification of new drug targets, and rational design based on biological mechanisms and drug-receptor structure. These approaches are carried out in both academic research laboratories and...
8.7K
Quantitative Aspects of Drug-Receptor Interaction01:30

Quantitative Aspects of Drug-Receptor Interaction

1.2K
The receptor occupancy theory connects a drug's response to the number of occupied receptors. With higher drug concentrations, more receptors are occupied, leading to increased responses. The formation of drug-receptor complexes involves association and dissociation rates, which reach equilibrium when the forward and backward reactions are equal. The equilibrium association constant (Ka) and its inverse, the equilibrium dissociation constant (Kd), indicate drug affinity. Higher Ka and lower...
1.2K
Structure-Activity Relationships and Drug Design01:28

Structure-Activity Relationships and Drug Design

1.0K
Drug design is a dynamic field that involves discovering and developing new medications based on specific biological targets. This process heavily relies on structure-activity relationships (SAR) and quantitative structure-activity relationships (QSAR) to guide the design and optimization of efficient drugs.
SAR studies the intricate relationship between a drug's chemical structure and biological activity. It focuses on understanding how modifications to a drug's structure can influence...
1.0K
The Quantum-Mechanical Model of an Atom02:45

The Quantum-Mechanical Model of an Atom

43.4K
Shortly after de Broglie published his ideas that the electron in a hydrogen atom could be better thought of as being a circular standing wave instead of a particle moving in quantized circular orbits, Erwin Schrödinger extended de Broglie’s work by deriving what is now known as the Schrödinger equation. When Schrödinger applied his equation to hydrogen-like atoms, he was able to reproduce Bohr’s expression for the energy and, thus, the Rydberg formula governing hydrogen spectra.
43.4K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Editorial: Mechanisms regulating immune evasion by B-cell lymphoma.

Frontiers in immunology·2026
Same author

Preserved Barrier Integrity and Altered Immune Profiles in Chronic Cannabis Users: Potential Roles of Δ9-Tetrahydrocannabinol.

bioRxiv : the preprint server for biology·2026
Same author

Reproductive Performance in Dairy Cattle: Determinants of Conception Rate and Economic Consequences in Bangladesh.

Reproduction in domestic animals = Zuchthygiene·2026
Same author

Pyroptosis-Related Gene Signatures and Immune Modulation in Ovarian Cancer: Insights from Multi-Omics and Machine Learning.

Genes·2026
Same author

Genomic Breeding Value Prediction and Accuracy Assessment for Carcass Traits in Jeju Black Cattle Using Hanwoo Reference Populations.

Animal bioscience·2026
Same author

Role of Dexmedetomidine on Hemodynamics and Anesthetic Requirement in Patients Undergoing Elective Infratentorial Tumor Surgery: A Prospective, Randomized, Double-blind, Placebo-controlled Study.

Annals of African medicine·2026

Video Experimental Relacionado

Updated: Sep 9, 2025

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit
05:30

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit

Published on: September 8, 2023

657

Inteligencia cuántica en el descubrimiento de fármacos: avances con el aprendizaje cuántico de la máquina

Danishuddin1, Azizul Haque1, Vikas Kumar2

  • 1Department of Biotechnology, Yeungnam University, Gyeongsan 38541, Republic of Korea.

Drug discovery today
|September 4, 2025
PubMed
Resumen

El aprendizaje cuántico de la máquina (QML) ofrece una poderosa solución a los desafíos en el descubrimiento de fármacos impulsado por la inteligencia artificial (IA), prometiendo una mayor precisión y escalabilidad para la predicción y el diseño de propiedades moleculares.

Palabras clave:
descubrimiento de fármacoscomputación cuánticainteligencia cuánticaAprendizaje de máquina cuántica

Más Videos Relacionados

Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
08:31

Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions

Published on: December 1, 2020

5.1K
Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
10:21

Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA

Published on: February 23, 2024

2.9K

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit
05:30

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit

Published on: September 8, 2023

657
Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
08:31

Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions

Published on: December 1, 2020

5.1K
Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA
10:21

Author Spotlight: Streamlining Protein Target Prediction and Validation via Molecular Docking and CETSA

Published on: February 23, 2024

2.9K

Área de la Ciencia:

  • Investigación farmacéutica
  • Química computacional
  • Inteligencia artificial

Sus antecedentes:

  • La integración del aprendizaje automático (ML) acelera el descubrimiento de medicamentos, pero se enfrenta a desafíos de datos e interpretabilidad.
  • El aprendizaje cuántico de la máquina (QML) surge como un nuevo enfoque para superar las limitaciones de ML en aplicaciones farmacéuticas.
  • QML aprovecha los principios de computación cuántica para la IA avanzada en el desarrollo de medicamentos.

Objetivo del estudio:

  • Revisar el impacto transformador del aprendizaje cuántico de máquinas (QML) en la industria farmacéutica.
  • Explorar las aplicaciones de QML en las etapas clave del descubrimiento de fármacos, incluida la predicción de propiedades y el diseño molecular.
  • Discutir las limitaciones actuales, las consideraciones éticas y las perspectivas futuras de QML en el descubrimiento de fármacos.

Principales métodos:

  • Revisión de la literatura actual sobre las aplicaciones del aprendizaje cuántico de máquinas en el descubrimiento de fármacos.
  • Análisis del potencial de QML para abordar los desafíos en la predicción de propiedades moleculares y las simulaciones de acoplamiento.
  • Exploración del papel de la QML en el diseño y la optimización de fármacos de novo.

Principales resultados:

  • La QML demuestra el potencial para mejorar la precisión y la escalabilidad en la predicción de propiedades moleculares.
  • Las simulaciones de acoplamiento mejoradas cuánticamente son prometedoras para una identificación más rápida y precisa de fármacos candidatos.
  • La QML facilita el diseño molecular innovador de novo con una mayor eficiencia.

Conclusiones:

  • La MLQ representa un avance significativo con respecto a la ML tradicional en la investigación farmacéutica.
  • Abordar los requisitos computacionales y de datos de QML es crucial para su adopción generalizada.
  • La investigación futura debe centrarse en el desarrollo de algoritmos robustos de QML y en explorar las implicaciones éticas para el descubrimiento de fármacos.