La tuberculosis es una enfermedad contagiosa considerada como emergencia mundial por la Organización Mundial de la Salud. Uno de los problemas más comunes está asociado a la tuberculosis resistente a los medicamentos, debido a tratamientos fallidos con antibióticos. El uso de algoritmos de inteligencia artificial, principalmente modelos de aprendizaje automático (ML), ha permitido proporcionar más herramientas para el campo del descubrimiento de fármacos. Para este estudio, la metodología utilizada se centró en identificar nuevos componentes que puedan contribuir a la inhibición de la proteína inhA. Aprovechando los modelos de ML que aprenden de los datos, se implementaron seis modelos de regresión. El mejor modelo obtuvo un valor R2 de 0,99 y un valor MSE de 1,8 e-5.
Tuberculosis is a contagious disease considered as world emergency by the World Health Organization. One of the common prevalent problems are associated to drug-resistant TB, because of unsuccessful treatments of using antibiotics. The use of artificial intelligence algorithms, mainly machine learning (ML) models have allowed to provided more tools for the drug discovery field. For this study, the methodology used was driven to identify new components that may contribute to the inhibition of the inhA protein. Leveraging ML models that learn from data, six regression models were implemented. Best model obtained R2 value of 0.99 and a MSE value of 1.8 e-5.
