tecnologíaCR
Distribución de propiedades de nanopartículas y condiciones experimentales de la base utilizada en el estudio. Figura 1 de Li y colaboradores, Scientific Reports (2026), reproducida íntegra desde la imagen incluida en el PDF del manuscrito aceptado, sin modificar datos, paneles ni escalas.
Distribución de propiedades de nanopartículas y condiciones experimentales de la base utilizada en el estudio. Figura 1 de Li y colaboradores, Scientific Reports (2026), reproducida íntegra desde la imagen incluida en el PDF del manuscrito aceptado, sin modificar datos, paneles ni escalas. Keyuan Li, Alexa Canchola, Fan Zhang y Wei-Chun Chou · CC BY 4.0 · Imagen original · Licencia

IA · Modelos · Ciencia · Nanotecnología · UC Riverside · Universidad de Florida

La IA modela qué proteínas se adhieren a las nanopartículas

UC Riverside y Florida publican redes neuronales para estudiar la capa de proteínas que adquieren las nanopartículas.

Fecha de la fuente original:

Lo esencial

  • UC Riverside y Florida publican redes neuronales para estudiar la capa de proteínas que adquieren las nanopartículas.
  • El R² medio por proteína fue 0,40 en pruebas dentro del conjunto; no constituye validación entre estudios ni en organismos vivos.

Una predicción para cada proteína

Scientific Reports publicó el 30 de mayo un estudio de UC Riverside y la Universidad de Florida que utiliza redes neuronales para anticipar qué proteínas se adhieren a una nanopartícula y en qué abundancia. El trabajo reutiliza PC-DB, una base presentada en 2025, pero desarrolla modelos individuales para 285 proteínas en clasificación y 220 en regresión. Incorpora características del material y de los procedimientos de laboratorio para explorar sus asociaciones con la corona proteica.

La prueba permanece dentro del conjunto conocido

Los autores reportan un R² medio de 0,40 por proteína para la abundancia en las muestras de prueba. La evaluación separó muestras del mismo conjunto, no laboratorios o estudios completos: los investigadores reconocen que eso puede sobreestimar la capacidad de generalizar. Los datos proceden de experimentos in vitro y están desigualmente repartidos entre materiales. El método ofrece una herramienta de investigación para formular hipótesis sobre nanopartículas; todavía requiere comprobación con estudios independientes y condiciones fisiológicas.

Fuentes

  1. UC Riverside y Universidad de Florida / Scientific Reports: Determinants of protein corona adsorption and abundance revealed by interpretable machine learning across nanoparticle systems ·
tecnologíaCR
tecnologíaCRIA, CIENCIA E INNOVACIÓN

La tecnología, de un vistazo.

TECNOLOGÍA. EN CONTEXTO.ENERO — OCTUBRE 2026

La tecnología avanza.
Entendé qué cambia.

Avances que transforman lo cotidiano.

Explorar las noticias ↓
— noticias seleccionadasDesde enero de 2026IA, ciencia e innovación Más recientes primero

En tu radar

Archivo mensual

Explorar todos los temas

Buscá un tema, una marca o una tecnología. Podés combinar etiquetas.

TU CRITERIO, PRIMERO

Una historia.
Contexto y fuentes.

Inteligencia artificial, ciencia aplicada y tecnología de consumo, con enlaces a las fuentes originales.