Development of an Automated System for Molecular Docking from Natural Language Using OpenAI API

UDC.coleccionTraballos académicos
UDC.tipotrabTFG
UDC.titulacionGrao en Enxeñaría Informática
dc.contributor.advisorFernández-Lozano, Carlos
dc.contributor.authorSeoane Currás, Iker
dc.contributor.otherUniversidade da Coruña. Facultade de Informática
dc.date.accessioned2026-05-15T09:36:43Z
dc.date.available2026-05-15T09:36:43Z
dc.date.issued2026-02
dc.description.abstract[Abstract]: Molecular docking is a computational approach used to predict how small molecules (ligands) interact with the active components of target proteins. Through these simulations, it is possible to gain insights into the binding poses and affinities that govern their interactions. This in silico strategy has become a cornerstone of modern drug discovery, as it enables researchers to rapidly explore large collections of chemical compounds while reducing the need for costly experimental studies. Despite its potential, molecular docking often demands technical expertise, complex software setups, and manual file management, which can limit its accessibility to a broader audience. To address this challenge, our project proposes the creation of a user-friendly web platform that streamlines the entire docking workflow within a browser environment. Through this platform, users can easily choose molecular structures, run docking simulations with AutoDock Vina, and retrieve their results without the need for advanced computational skills. To further enhance usability, the system integrates an interactive chatbot powered by the OpenAI API, offering real-time guidance, troubleshooting, and contextual information about the experiments. In addition, an embedded molecular viewer based on 3Dmol.js enables detailed visualization of ligand–protein interactions, providing an intuitive way to interpret docking outcomes.
dc.description.abstract[Resumo]: O docking molecular é unha aproximación computacional empregada para predicir como as pequenas moléculas (ligandos) interaccionan cos componentes activos das proteínas diana. A través destas simulacións é posible obter información sobre as poses de unión e as afinidades que explican as súas interaccións. Esta estratexia in silico converteuse nun piar fundamental do desenvolvemento de fármacos modernos, xa que permite aos investigadores explorar rapidamente grandes coleccións de compostos químicos reducindo ao mesmo tempo a necesidade de estudos experimentais custosos. A pesar do seu potencial, o docking molecular adoita requirir coñecementos técnicos avanzados, instalacións complexas de software e unha xestión manual de ficheiros, o que pode limitar a súa accesibilidade a un maior público. Para facer fronte a este desafío, o noso proxecto propón a creación dunha plataforma web simple e intuitiva que simplifique todo o fluxo de traballo do docking directamente dende o navegador. A través desta plataforma, os usuarios poderán seleccionar estruturas moleculares, executar simulacións de docking con AutoDock Vina e recuperar os resultados sen necesidade de habilidades computacionais avanzadas. Para mellorar aínda máis a usabilidade, o sistema integra un chatbot interactivo impulsado pola API de OpenAI, que ofrece orientación en tempo real, resolución de problemas e información contextual sobre os experimentos. Ademais, inclúe un visor molecular baseado en 3Dmol.js, que permite visualizar en detalle as interaccións ligando–proteína e interpretar de maneira intuitiva os resultados do docking.
dc.description.traballosTraballo fin de grao (UDC.FIC). Enxeñaría Informática. Curso 2025/2026
dc.identifier.urihttps://hdl.handle.net/2183/48268
dc.language.isoeng
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 Internationalen
dc.rights.accessRightsopen access
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectDrug repurposing
dc.subjectMolecular Docking
dc.subjectAutoDock Vina
dc.subjectBioinformatics
dc.subjectWeb Development
dc.subjectOpenAI API
dc.subjectPython
dc.subjectDjango
dc.subject3Dmol
dc.subjectReposicionamento de fármacos
dc.subjectDocking Molecular
dc.subjectAutoDock Vina
dc.subjectBioinformática
dc.subjectDesenvolvemento Web
dc.titleDevelopment of an Automated System for Molecular Docking from Natural Language Using OpenAI API
dc.typebachelor thesis
dspace.entity.typePublication
relation.isAdvisorOfPublicatione5ddd06a-3e7f-4bf4-9f37-5f1cf3d3430a
relation.isAdvisorOfPublication.latestForDiscoverye5ddd06a-3e7f-4bf4-9f37-5f1cf3d3430a

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
SeoaneCurras_Iker_TFG_2026.pdf
Size:
3.74 MB
Format:
Adobe Portable Document Format