Análisis relacional sobre el grado de credibilidad entre diferentes medios de comunicación en materia de drogas

Antecedentes: En la actualidad los medios de comunicación se constituyen como la principal fuente de información de la que se nutren los jóvenes. No obstante, y pese a la gran cantidad y variedad de mensajes disponibles, la información no siempre se construye adecuadamente debido a las frecuentes discrepancias con las que los medios de comunicación suelen exponerla. En referencia al tratamiento informativo que los diversos medios confieren a temas relacionados con la salud en general, y de forma más concreta sobre temas referentes a las drogas, es muy frecuente que la percepción tienda hacia un sensacionalismo exacerbado y una gran descontextualización de la información, lo que incide negativamente en la credibilidad que se otorga a los diversos medios. Metodología: En este estudio piloto se analiza la relación existente entre el grado de credibilidad que los jóvenes encuestados conceden a los distintos medios de comunicación, tanto si se refiere a información en general como si se refiere a temas sobre drogas. De igual modo, se indaga la relación existente entre el grado de información objetivo que poseen los sujetos sobre las distintas sustancias y la percepción del tratamiento que los medios de comunicación dan a la información sobre drogas. Para ello, participaron en el estudio 115 alumnos (27% varones y 73% mujeres) de primero de grado en Psicología, de la Universidad Miguel Hernández de Elche (Alicante-España). Conclusiones: Los resultados muestran correlaciones positivas del grado de credibilidad otorgado a los diversos medios, tanto si se trata sobre temas de información general como sobre temas relacionados con las drogas. Por otra parte, los jóvenes mantienen diferentes percepciones sobre el tratamiento que realizan los medios de comunicación de las noticias y contenidos sobre drogas, en función del nivel de información objetivo que poseen de las distintas sustancias de abuso.

Improving drug discovery using hybrid softcomputing methods

Virtual screening (VS) methods can considerably aid clinical research, predicting how ligands interact with drug targets. Most VS methods suppose a unique binding site for the target, but it has been demonstrated that diverse ligands interact with unrelated parts of the target and many VS methods do not take into account this relevant fact. This problem is circumvented by a novel VS methodology named BINDSURF that scans the whole protein surface in order to find new hotspots, where ligands might potentially interact with, and which is implemented in last generation massively parallel GPU hardware, allowing fast processing of large ligand databases. BINDSURF can thus be used in drug discovery, drug design, drug repurposing and therefore helps considerably in clinical research. However, the accuracy of most VS methods and concretely BINDSURF is constrained by limitations in the scoring function that describes biomolecular interactions, and even nowadays these uncertainties are not completely understood. In order to improve accuracy of the scoring functions used in BINDSURF we propose a hybrid novel approach where neural networks (NNET) and support vector machines (SVM) methods are trained with databases of known active (drugs) and inactive compounds, being this information exploited afterwards to improve BINDSURF VS predictions.