El descubrimiento eficiente de objetivos anticancerígenos con efectos secundarios mínimos es un gran desafío en el descubrimiento y desarrollo de fármacos. La predicción temprana de efectos secundarios es clave para reducir los costos de desarrollo, aumentar la eficacia del fármaco y mejorar la seguridad del mismo. Este estudio desarrolló un marco de optimización difusa para la Identificación de Objetivos Anticancerígenos (IACT) utilizando modelos basados en restricciones. Se establecieron cuatro objetivos para evaluar la mortalidad de las células cancerosas tratadas y minimizar los efectos secundarios que causan tumorigenesis inducida por toxicidad en células normales y perturbaciones metabólicas menores. Se aplicó la teoría de conjuntos difusos para evaluar los posibles efectos secundarios e investigar la magnitud de las desviaciones metabólicas en células perturbadas en comparación con sus contrapartes normales. El marco se aplicó para identificar no solo objetivos reguladores de genes, sino también objetivos centrados en metabolitos y reacciones. Se aplicó un algoritmo de evolución diferencial híbrido anidado con una función de aptitud jerárquica para resolver problemas de IACT de múltiples niveles. Los resultados muestran que la combinación de un objetivo de metabolismo del carbono y cualquier gen objetivo que participe en las vías de biosíntesis de esfingolípidos, glicerofosfolípidos, nucleótidos, colesterol o fosfato de pentosa es más efectiva para el tratamiento que la inhibición de un solo objetivo. Un fármaco antimetabolito clínico, el 5-fluorouracilo (5-FU), se ha utilizado para inhibir la síntesis de desoxitimidina-5-trifosfato para el tratamiento del cáncer colorrectal. Los resultados computacionales revelan que una combinación de dos objetivos de 5-FU y un suplemento de folato puede mejorar la viabilidad celular, reducir la desviación metabólica y disminuir los efectos secundarios en células normales.