La resistencia de bacterias a los antibióticos se ha convertido en una de las problemáticas más graves a nivel mundial, con agravante de la falta de interés en la búsqueda y desarrollo de nuevas moléculas antimicrobianas que puedan ser usadas contra bacterias resistentes a los antibióticos actuales. En parte, la disminución del interés en la investigación y desarrollo de nuevos antibióticos se debe tanto al costo como al tiempo que se requiere para el desarrollo de nuevos medicamentos antimicrobianos, como al bajo retorno de la inversión que esta representa para las empresas farmacéuticas comparado con las drogas para enfermedades crónicas. Por otro lado, se han venido realizado importantes avances en lo que respecta al uso de los algoritmos de inteligencia artificial en los campos aplicados de la biología. Específicamente en el contexto farmacéutico, los algoritmos de aprendizaje automático pueden ser utilizados para reducir los costos y el tiempo empleados en el proceso de búsqueda y diseño de nuevas biomoléculas para la producción de antibióticos. Esto ha motivado a que el grupo de investigación en Biología Funcional y el Grupo de Investigación y Desarrollo en Inteligencia Artificial (GIDIA) unan sus esfuerzos en la búsqueda y construcción de soluciones computacionales que apoyen la investigación y desarrollo de nuevas moléculas antimicrobianas. Con base en lo anterior, este proyecto busca desarrollar un sistema de inteligencia artificial para clasificar secuencias de péptidos extraídos de proteomas con el software PepMultiFinder. El software podrá entonces analizar los péptidos obtenidos y clasificarlos basados en sus propiedades fisicoquímica, determinando la probabilidad de ser o no antibacteriano, antifúngico, antiparasitario, antiviral o antitumoral. Al mismo tiempo la plataforma podrá ofrecer al usuario la posibilidad de usar el módulo de generación automática de secuencias peptídicas con alto potencial de ser antimicrobianas.