09:00 – 09:30 Bienvenida y presentación de la XVII Reunión SDDN
09:30 – 10:30 Sesión 1: Ciencia de Datos e Inteligencia Artifical I
Moderador: Patrick Aloy (IRB Barcelona).
David Ochoa (EMBL-EBI) “Título por definir”
Alicia Higueruelo (Isomorphic Labs) “¿Podemos utilizar la IA para diseñar nuevos fármacos?”
10:30 – 11:00 Café y networking
11:00 – 12:00 Sesión 1: Ciencia de Datos e Inteligencia Artifical II
Patrick Aloy (IRB) “Título por definir”
Rosario Fernández Godino (Fundación Medina) “Título por definir”
12:00 – 13:00 Presentaciones de socios SDDN y patrocinadores del evento I
Dr Ignacio Sancho-Martínez (INBISTRA) “Por qué el 90% de los programas preclínicos no consiguen financiación y qué puede hacer la biotecnología española al respecto”
Dr. Mariana Vaschetto (EMEA, APAC, LATA Drug Discovery) “AI driven workflows in CDD Vault for Drug Discovery /Gestión de datos de I+D potenciada por AI en la plataforma CDD Vault”
Ponente pendiente de confirmación (Syngene) “Título pendiente de definir”
Ponente pendiente de confirmación (Eppendorf) “Título pendiente de definir”
José Manuel González y José Manuel Izquierdo (MiaPatents) “Cómo y cuándo proteger los DD mediante patentes”
13:00 – 14:30 Almuerzo y networking
14:30 – 16:30 Sesión 2: Historias de Descubrimiento de Fármacos
Moderador: Javier Terriente (ZeCardio Therapeutics)
Ainara Vallejo Fillarramendi (Miramoon) “Título por definir”
Miriam Corredor (NoctuRNA Therapeutics) “Terapia basada en ARN circular para tratar enfermedades incurables”
Javier Terriente (GT Drug Discovery, ZeCardio) ” Utilizar el pez cebra para descubrir la regeneración cardiaca en humanos.”
Sonia Martínez Arca (Batea Oncology) “Transformación del glioblastoma en una enfermedad que responde al tratamiento”
16:30 – 17:30 Presentaciones de socios SDDN y patrocinadores del evento II
Ponencias pendientes de definir.
17:30 – 19:30 Sesión de pósters, mentoría y networking en el área de expositores
20:30 Cena de conferencia.
09:00 – 10:00 Sesión con investigadores en etapas tempranas de carrera.
10:00 – 11:00 Sesión 3: Nuevas Metodologías de Enfoque (NAMs) I
Moderador: Jan Lichtenberg (InSphero).
Ponencias pendientes de definir.
11:00 – 11:30 Café y networking
11:30 – 12:30 Sesión 3: Nuevas Metodologías de Enfoque (NAMs) II
Ponencias pendientes de definir.
12:30 – 13:00 Presentaciones orales de los pósteres seleccionados
Presentaciones pendientes de definir
13:00 – 13:30 Comentarios finales, ceremonia de premios a los pósteres y anuncio de la reunión SDDN 2026
13:30 – 15:00 Almuerzo y networking
Preside: Patrick Aloy (IRB Barcelona)
La inteligencia artificial (IA) tiene el potencial de transformar el descubrimiento de fármacos, al igual que está remodelando otras áreas de la ciencia y la tecnología. De hecho, cuando se combina con las ciencias de datos, ofrece una oportunidad única para fusionar datos multi-ómicos y diseño de compuestos, reintroduciendo así la complejidad biológica en los primeros pasos del proceso de descubrimiento de fármacos. Esta sesión explorará estrategias potenciales para cerrar la brecha entre los grandes datos biológicos, los experimentos de cribado de compuestos y las herramientas de IA generativa de última generación. También discutiremos cómo la IA generativa puede utilizarse para explorar el espacio químico inexplorado y diseñar nuevos compuestos químicos (NCEs) con propiedades farmacológicas específicas. Esto puede sonar a ciencia ficción, pero las estrategias de aprendizaje profundo han diseñado con éxito NCEs con actividades anticancerígenas deseadas o nuevos andamios antibióticos, y varios fármacos diseñados mediante aprendizaje automático ya están en ensayos clínicos. Más específicamente, esta sesión fomentará discusiones sobre el papel de la ciencia de datos y la IA en:
• Identificación y caracterización de dianas
• Cribado de compuestos e identificación de hits
• Diseño de fármacos de novo y desarrollo de hit a lead
• Perfilado preclínico, descubrimiento de biomarcadores y estratificación de pacientes
Preside: Javier Terriente (ZeClinics, ASEBIO)
El camino del descubrimiento de fármacos: Lecciones de la academia y la industria
El desarrollo preclínico de nuevos terapéuticos es un proceso complejo y multifacético.
Llevar un candidato a fármaco del laboratorio a los ensayos clínicos —y en última instancia a los pacientes— requiere una combinación de factores científicos y no científicos. En el aspecto científico, implica identificar una diana terapéutica adecuada, desarrollar un compuesto con alta eficacia, baja toxicidad y buena biodisponibilidad en el tejido objetivo. Pero también hay otros factores críticos, aunque a veces pasados por alto, como asegurar recursos financieros, obtener acceso a modelos de enfermedad relevantes para estudios de prueba de concepto y aprovechar la experiencia previa en desarrollo preclínico.
En esta sesión escucharemos a cuatro prometedoras empresas biotecnológicas que compartirán las historias detrás de sus últimos programas de desarrollo de fármacos. También reflexionarán sobre las lecciones aprendidas en el camino. Un punto clave de discusión será: ¿Qué papel juega el hecho de ser (o no ser) una spin-off académica? ¿Esa conexión ha acelerado su desarrollo o ha introducido limitaciones?
Preside: Jan Lichtenberg (InSphero)
Traduciendo las NAMs a la práctica: Sistemas in vitro escalables para pruebas de eficacia y seguridad
El panorama del descubrimiento de fármacos está experimentando un cambio transformador a medida que las Nuevas Metodologías de Enfoque (NAMs) evolucionan de innovaciones prometedoras a herramientas robustas para pruebas de eficacia y seguridad. Esta sesión examinará cómo los avances recientes en biología celular, ingeniería de ensayos y análisis de datos están convergiendo para apoyar el uso a gran escala de sistemas in vitro humanos relevantes.
La maduración de plataformas de cultivo celular 3D, incluyendo microtejidos, organoides y tecnologías organ-on-chip, ha permitido el desarrollo de modelos que recrean la arquitectura tisular, función e interacciones intercelulares con alta fidelidad. Combinados con enfoques de perfilado profundo como la imagen de alto contenido y lecturas multi-ómicas, estos sistemas ahora proporcionan datos mecanicistas ricos tanto para evaluaciones de eficacia como de toxicidad, incluyendo el entrenamiento de sistemas de aprendizaje automático. Además, el mayor acceso a células primarias de alta calidad y tipos celulares derivados de células madre pluripotentes inducidas (iPSC) ha ampliado la aplicabilidad de estas plataformas para modelado de enfermedades y medicina de precisión. Es importante destacar que innovaciones técnicas en estandarización de ensayos, automatización e integración de datos están abordando barreras clave relacionadas con la reproducibilidad y la escalabilidad. Esta sesión destacará cómo estas soluciones NAM integradas están mejorando el poder predictivo de las pruebas preclínicas y permitiendo pipelines de desarrollo de fármacos más rápidos, rentables y con relevancia traslacional.
