Els estudis d'absorció, distribució, metabolisme i excreció, coneguts en la indústria per les seves sigles, ADME, són essencials en el procés de descobriment de fàrmacs. Mitjançant aquesta tasca, se sap l'eficàcia i les propietats, incloent-hi la seguretat, de possibles remeis per a malalties. L'ús de models i eines de computació accelerarien notablement aquesta fase, alhora que en disminuirien els costos. El doctor Yufeng Tseng i el seu equip de la Universitat Nacional de Taiwan han publicat a la revista WIREs Computational Molecular Science un prometedor estudi sobre aquesta qüestió que es basa en l'aprenentatge profund. Aquest instrument utilitza xarxes neuronals artificials que s'inspiren en les biològiques. És a dir, a partir de nodes connectats entre si, es transmet i es rep informació sense intervenció humana. Aquestes neurones artificials, que s'organitzen amb múltiples capes, permeten que el temps d'entrenament sigui menor i la precisió, més gran que de qualsevol altra manera. El grup de científics de Taiwan s'ha valgut d'aquest avanç per comprovar que, amb el deep learning, el resultat dels estudis ADME és similar al que s'obté amb els mètodes convencionals. En plena angoixa per la pandèmia del coronavirus, recerques com aquesta proporcionen esperança. Amb tot, el seu desplegament no és precisament ràpid. El ritme dels problemes no sempre coincideix amb el de les solucions.
