Generamos hipótesis de reposicionamiento explicables desde un grafo de 6M tripletes, con cadenas causales auditables. Cero modelos black-box. Sin GPU. Sin nube.
De las 60 hipótesis L17 y 200 candidatos *de novo*, hemos seleccionado las 3 con el mayor potencial farmacéutico, económico y clínico. Las otras 57 hipótesis están disponibles bajo demanda.
El motor evaluó los 22,380 pares conocidos sin ver ningún edge "treats". Tiempo total: 113 minutos en lote completo (~0.3ms/par).
Ejecutamos el mismo experimento que la competencia sobre nuestro corpus. Los números hablan por sí solos.
Conclusión: EasyAtom alcanza 28.6% zero-shot — competitivo con Hetionet (27%) que usa entrenamiento supervisado. Si hiciéramos lo mismo que la competencia, nuestro número sería 96.5%. Elegimos no reportarlo porque ese número no mide predicción; mide memoria. La prueba real de un motor de descubrimiento es encontrar lo que no le enseñaste.
Cada capa recibe la salida de la anterior. Ninguna capa contiene la visión completa. La visión emerge de la composición. L0–L10 en C++20 puro · L11–L12 farmacocinética y reposicionamiento · L13–L15 cócteles, DDI y protocolos N-of-1 · L17 auditoría de evidencia.
0ff11993fb8746a9 Huella digital 64-bitO(N· D²) en hardware clásico, no exponencial (2^n). Genera la distribución de estado fármaco-objetivo utilizada en capas posteriores. (Algoritmo clásico que utiliza formalismo inspirado en la cuántica — funciona completamente con CPU.) Se ejecuta en horario de pipeline. No en el dispositivo.Clibre/(Clibre+Ki). Parámetros PK de ChEMBL + OpenFDA (922 fármacos). Penetración del SNC vía Kp,uu. Run completo 22,380 pares · 922 fármacos PK reales · 7,497s primera ejecución (~5min con caché). Piloto: 13 POTENTE · 3 PARCIAL · 22 UNKNOWN_AFFINITY (50 pares CRÍTICOS).dose_toxic/2 con margen mínimo 1,5×. Run completo: 266,561 candidatos de reposicionamiento · Arriba: eplerenona→GR (melanoma) ΔTO=+10,1pp ⭐phase_l17_validation.tsv. 20 hipótesis validadas · 1 nueva hipótesis sin evidencia previa · evidencia clínica o bibliográfica para más de la mitad.Cada una es verificable de forma independiente. Los tres juntos son poco comunes en la literatura sobre reutilización de medicamentos.
"A diferencia de los modelos de aprendizaje profundo, este sistema produce cadenas causales explícitas que pueden auditarse paso a paso y reproducirse en hardware estándar — sin GPU, sin nube, sin caja negra. Cada resultado tiene una prueba."
Los sistemas KGE estándar aprenden de pares fármaco-enfermedad conocidos y evalúan sobre subconjuntos ocultos. EasyAtom codifica operadores de relaciones biológicas (inhibición, causalidad, membresía en vía) y nunca ve pares de tratamiento. Inferencia determinista
El BFS L5 construye la ruta causal dirigida para cada predicción: fármaco → gen → vía → enfermedad, cada salto verificado frente al corpus. Ningún KG ni embedding neural hace esto. Prueba verificable
L7 GapQueue obtiene 41.396 brechas brutas (2.640 post-cap) por plausibilidad biológica y genera una agenda de investigación clasificada: qué experimento realizar primero para cerrar la brecha de mayor valor. Único en su clase
EasyAtom aborda la etapa de identificación de objetivos y generación de impactos en la cadena de descubrimiento de fármacos — típicamente entre 1 y 5 millones de dólares por objetivo, 2 a 3 años antes de los ensayos clínicos. Nuestro sistema condensa esto a días en un escritorio estándar.
Prioriza los objetivos génicos con evidencia causal en varias capas antes de invertir en laboratorios húmedos. 325 candidatos platino con señal convergente triple.
Examina 266K candidatos reutilizados con PK y filtros DDI — cócteles seguros con protocolos clínicos N-of-1 listos para la Fase 0.
Cadenas causales totalmente auditables (fármaco → gen → vía → enfermedad) proporcionan la justificación mecanicista necesaria para solicitudes de IND y presentaciones EMA.
22,380 pares procesados. Capas superiores de razonamiento causal, farmacocinética y protocolos clínicos.
| Drug | Disease | Gene | DWPC |
|---|---|---|---|
| eplerenone | melanoma | pgr | 0.280 ★ |
| selegiline | endogenous_depression | cartpt | 0.256 ★ |
| Drug | Disease | Urgency | Tier |
|---|---|---|---|
| alcaftadine | Parkinson's | 0.179 | CRÍTICO |
| loratadine | Alzheimer's | 0.175 | CRÍTICO |
Todos los archivos de salida del pipeline están disponibles para descarga y revisión independiente. Capa por capa.
Imprimibles como PDF desde el navegador (Ctrl+P).
Validado computacionalmente. Buscamos socios pharma, biotech y académicos para validación wet-lab y expansión de corpus.
Proporcionar datos preclínicos propietarios (NDA). EasyAtom ingiere y devuelve un informe personalizado de reutilización con cadenas causales para tu biblioteca. Entrega: 2–4 semanas.
Validación conjunta en laboratorio húmedo de los principales candidatos al Estándar Platino. Coautoría en la publicación. Objetivo: top-3 loratadina/PDE4B/Alzheimer.
Código fuente completo en C++20 + corpus + scripts de pipeline. Funciona con tu propia infraestructura, 100% offline. Sin dependencia de la nube.
