ARR-MEDIC CYP3A4: plataforma open source de educación e investigación para predecir interacciones farmacológicas (DDI)

flamehaven01 · 2025-09-29T13:43:03+09:00

¿Qué es ARR-MEDIC CYP3A4? Un proyecto para estimar el riesgo de interacciones entre fármacos prediciendo si inhiben CYP3A4, una enzima clave del hígado que metaboliza más de la mitad de los medicamentos recetados en la práctica clínica. Se publicó como open source con fines de investigación y educación, y ofrece una demo web fácil de usar junto con un pipeline de ML ampliable. La línea base está diseñada con una precisión aproximada del 70% para servir como punto de partida en el aprendizaje de conceptos y la comparación de metodologías. ¿Por qué se creó? A finales de junio de 2025 hubo una competencia de IA para descubrimiento de fármacos. Durante tres semanas, sin saber nada del área médica, el autor leyó a contrarreloj artículos sobre medicina, en especial sobre la enzima CYP3A4, y terminó el desarrollo tras muchas noches en vela. Sin embargo, al vivir en el extranjero ni siquiera pudo participar. Tras dejarlo abandonado por frustración, pensó que sería una lástima desperdiciarlo, así que lo mejoró, lo reforzó y lo publicó como open source. ¿Por qué vale la pena ponerle atención? Seguridad del paciente y polifarmacia: la inhibición de CYP3A4 puede aumentar la concentración de ciertos fármacos entre 2 y 10 veces, lo que puede derivar en toxicidad o fracaso terapéutico. Este proyecto funciona como un espacio de práctica para detectar temprano esas señales de riesgo. Papel de puente: propone una hoja de ruta que parte del open source y evoluciona paso a paso desde RDKit y ML clásico hacia GNN/Transformer. ¿Qué incluye? (puntos destacados) Demo web: permite probar predicciones directamente en el navegador (selector de interfaz en coreano/inglés, entrada y visualización de SMILES, e incluye compuestos de ejemplo). API y backend: REST API basada en FastAPI (predicción individual y por lotes, documentación OpenAPI), almacenamiento asíncrono con SQLite y soporte para Docker. Escalabilidad: fácil de personalizar con descriptores RDKit, modelos como RandomForest/XGBoost, análisis de importancia de variables y más. Arquitectura: estructura compuesta por backend(FastAPI) / frontend(React) / models / data / docs. Prueba rápida Puede ejecutarse de la forma que prefieras: local/Conda/Docker (inicio de la API con uvicorn, docker-compose up -d, etc.). Una vez iniciado, puedes revisar la especificación en http://localhost:8000/docs. *También ofrece una demo en línea (Hugging Face Spaces), así que se puede probar sin instalar nada. 🚀 Instalación sencilla Linux/macOS # Clone repository git clone https://github.com/your-org/arr-medic-cyp3a4-opensource cd arr-medic-cyp3a4-opensource # Run automated installer chmod +x scripts/install.sh ./scripts/install.sh Windows # Clone repository git clone https://github.com/your-org/arr-medic-cyp3a4-opensource cd arr-medic-cyp3a4-opensource # Run automated installer scripts\install.bat Conda + RDKit (best accuracy) pip only (simplified mode) Docker (containerized) Rendimiento y especificaciones (métricas para educación/investigación) Precisión: ~70% en datos de prueba de CYP3A4 basados en ChEMBL, sensibilidad ~75%, especificidad ~65% (punto de partida para educación y benchmarking). Sistema: orientado a la ligereza, con predicción de 1 caso en

(github.com/Flamehaven)

4 puntos por flamehaven01 2025-09-29 | Aún no hay comentarios. | Compartir por WhatsApp

¿Qué es ARR-MEDIC CYP3A4?

Un proyecto para estimar el riesgo de interacciones entre fármacos prediciendo si inhiben CYP3A4, una enzima clave del hígado que metaboliza más de la mitad de los medicamentos recetados en la práctica clínica.
Se publicó como open source con fines de investigación y educación, y ofrece una demo web fácil de usar junto con un pipeline de ML ampliable. La línea base está diseñada con una precisión aproximada del 70% para servir como punto de partida en el aprendizaje de conceptos y la comparación de metodologías.

¿Por qué se creó?

A finales de junio de 2025 hubo una competencia de IA para descubrimiento de fármacos. Durante tres semanas, sin saber nada del área médica, el autor leyó a contrarreloj artículos sobre medicina, en especial sobre la enzima CYP3A4, y terminó el desarrollo tras muchas noches en vela.
Sin embargo, al vivir en el extranjero ni siquiera pudo participar. Tras dejarlo abandonado por frustración, pensó que sería una lástima desperdiciarlo, así que lo mejoró, lo reforzó y lo publicó como open source.

¿Por qué vale la pena ponerle atención?

Seguridad del paciente y polifarmacia: la inhibición de CYP3A4 puede aumentar la concentración de ciertos fármacos entre 2 y 10 veces, lo que puede derivar en toxicidad o fracaso terapéutico. Este proyecto funciona como un espacio de práctica para detectar temprano esas señales de riesgo.
Papel de puente: propone una hoja de ruta que parte del open source y evoluciona paso a paso desde RDKit y ML clásico hacia GNN/Transformer.

¿Qué incluye? (puntos destacados)

Demo web: permite probar predicciones directamente en el navegador (selector de interfaz en coreano/inglés, entrada y visualización de SMILES, e incluye compuestos de ejemplo).
API y backend: REST API basada en FastAPI (predicción individual y por lotes, documentación OpenAPI), almacenamiento asíncrono con SQLite y soporte para Docker.
Escalabilidad: fácil de personalizar con descriptores RDKit, modelos como RandomForest/XGBoost, análisis de importancia de variables y más.
Arquitectura: estructura compuesta por backend(FastAPI) / frontend(React) / models / data / docs.

Prueba rápida

Puede ejecutarse de la forma que prefieras: local/Conda/Docker (inicio de la API con uvicorn, docker-compose up -d, etc.). Una vez iniciado, puedes revisar la especificación en http://localhost:8000/docs.
*También ofrece una demo en línea (Hugging Face Spaces), así que se puede probar sin instalar nada.

🚀 Instalación sencilla

Linux/macOS

# Clone repository  
git clone https://github.com/your-org/arr-medic-cyp3a4-opensource  
cd arr-medic-cyp3a4-opensource  
  
# Run automated installer  
chmod +x scripts/install.sh  
./scripts/install.sh

Windows

# Clone repository  
git clone https://github.com/your-org/arr-medic-cyp3a4-opensource  
cd arr-medic-cyp3a4-opensource  
  
# Run automated installer  
scripts\install.bat

Conda + RDKit (best accuracy)
pip only (simplified mode)
Docker (containerized)

Rendimiento y especificaciones (métricas para educación/investigación)

Precisión: ~70% en datos de prueba de CYP3A4 basados en ChEMBL, sensibilidad ~75%, especificidad ~65% (punto de partida para educación y benchmarking).
Sistema: orientado a la ligereza, con predicción de 1 caso en <2 segundos incluso en una sola CPU, además de procesamiento por lotes y soporte para usuarios simultáneos.

Hoja de ruta

v1.0 (actual): línea base basada en reglas (~70%).
v2.0: objetivo de ~80–85% con RDKit + RandomForest/XGBoost.
v3.0: apuntar a ~85–90% con GNN/Transformer, reforzando la interpretabilidad (por ejemplo, SHAP).

Licencia y advertencias

Licencia MIT. GitHub
No es para uso médico ni diagnóstico: este proyecto tiene fines de investigación y educación, y no debe usarse para toma de decisiones clínicas, atención de pacientes ni presentaciones regulatorias.

Enlaces

GitHub: Flamehaven/Arr-Medic-CYP3A4
Demo en línea: Hugging Face Spaces (se puede ejecutar una demo rápida)
Historia del desarrollo que quedó pendiente: My First Attempt at a Medical AI with ELI5 (cuenta el proceso de cómo se pudo construir aun sin ser especialista médico)

Resumen en una línea

No es una herramienta para uso clínico real, pero es un código bien organizado para educación e investigación médica, ideal para aprender en un solo lugar el flujo de DDI desde “concepto → experimento → mejora”.