AI tạo sinh mở ra kỷ nguyên mới trong khám phá và chế tạo thuốc

Có lẽ là sự biến đổi ngoạn mục nhất của ngành y tế kể từ khi máy tính ra đời, sinh học số và AI tạo sinh đang giúp tái tạo lại quá trình nghiên cứu và điều chế thuốc, phẫu thuật, hình ảnh y tế và các thiết bị đeo.

Nvidia đã chuẩn bị cho khoảnh khắc này hơn một thập kỷ, xây dựng chuyên môn sâu rộng, tạo ra nền tảng tính toán chuyên biệt cho ngành y tế Nvidia Clara và mở rộng công việc với một hệ sinh thái đối tác phong phú. Khách hàng và đối tác y tế của Nvidia đã sử dụng hơn một tỉ USD Mỹ trong tính toán GPU Nvidia mỗi năm - trực tiếp và gián tiếp qua các đối tác đám mây.

Trong lĩnh vực khám phá thuốc trị giá 250 tỉ USD, những nỗ lực này đang đến bước: các đội ngũ R&D giờ đây có thể mô phỏng thuốc trong máy tính.

Bằng cách tận dụng các công cụ AI sinh học mới nổi, các đội ngũ nghiên cứu và điều chế thuốc quan sát các khối xây dựng cơ bản của chuỗi phân tử, cấu trúc, chức năng và ý nghĩa - cho phép họ tạo ra hoặc thiết kế các phân tử mới có khả năng sở hữu các tính chất mong muốn. Với những khả năng này, các nhà nghiên cứu có thể lựa chọn một lĩnh vực chính xác hơn thuốc để nghiên cứu, giảm bớt các thí nghiệm vật lý tốn kém và mất thời gian.

Thúc đẩy sự chuyển đổi này là Nvidia BioNeMo, một nền tảng AI tạo sinh cung cấp dịch vụ để phát triển, tùy chỉnh và triển khai mô hình cơ sở cho việc khám phá thuốc.

Được sử dụng bởi các công ty dược phẩm, công ty công nghệ sinh học và phần mềm, BioNeMo cung cấp một lớp phương pháp tính toán mới cho nghiên cứu và phát triển thuốc, cho phép các nhà khoa học tích hợp AI tạo sinh để giảm bớt thí nghiệm và trong một số trường hợp, thay thế chúng hoàn toàn.

Ngoài việc phát triển, tối ưu hóa và lưu trữ các mô hình AI thông qua BioNeMo, Nvidia cũng đã thúc đẩy hệ sinh thái khám phá thuốc với sự trợ giúp của máy tính thông qua các khoản đầu tư vào các công ty công nghệ sinh học đổi mới - chẳng hạn như công ty dược phẩm sinh học Recursion, đang cung cấp một trong các mô hình cơ sở của mình cho người dùng BioNeMo, và công ty công nghệ sinh học Terray Therapeutics, đang sử dụng BioNeMo cho việc phát triển mô hình AI.

BioNeMo mang đến sự chính xác cho việc nghiên cứu thuốc

BioNeMo có một bộ các mô hình AI tạo sinh đã được đào tạo trước cho việc dự đoán cấu trúc protein, tạo chuỗi protein, tối ưu hóa phân tử, hóa học sinh học, dự đoán neo và nhiều hơn nữa. Nó cũng cho phép các công ty khám phá thuốc với sự trợ giúp của máy tính làm cho mô hình của họ có sẵn cho một khán giả rộng lớn thông qua API dễ tiếp cận để suy luận và tùy chỉnh.

Các đội ngũ khám phá dược phẩm sử dụng BioNeMo để phát minh hoặc tùy chỉnh các mô hình AI tạo sinh với dữ liệu độc quyền, các nhà phát triển nền tảng và công ty phần mềm đang tích hợp API đám mây BioNeMo, sẽ được phát hành dưới dạng beta trong tháng này, vào các nền tảng cung cấp quy trình làm việc khám phá thuốc.
API đám mây bây giờ sẽ bao gồm các mô hình cơ sở từ ba nguồn: các mô hình do Nvidia tạo ra, như mô hình hóa học sinh học MolMIM cho việc tạo ra phân tử nhỏ; các mô hình mã nguồn mở do các nhóm nghiên cứu toàn cầu tiên phong và được Nvidia tối ưu hóa, như AI dự đoán protein OpenFold; các mô hình được phát triển bởi các đối tác của Nvidia, như Phenom-Beta của Recursion để nhúng hình ảnh vi mô tế bào.

MolMIM tạo ra các phân tử nhỏ trong khi cho phép người dùng kiểm soát chặt chẽ hơn quá trình sinh ra AI - xác định các phân tử mới có các tính chất mong muốn và tuân theo các hạn chế do người dùng chỉ định. Ví dụ, các nhà nghiên cứu có thể chỉ đạo mô hình tạo ra các phân tử có cấu trúc và tính chất tương tự một phân tử tham chiếu.

Đóng góp của AI cho lĩnh vực dược phẩm

Recursion là đối tác lưu trữ đầu tiên cung cấp một mô hình AI thông qua API đám mây BioNeMo: Phenom-Beta, một mô hình chuyển đổi hình ảnh có khả năng trích xuất các đặc điểm có ý nghĩa sinh học từ hình ảnh vi mô tế bào.

Khả năng này có thể cung cấp cho các nhà nghiên cứu cái nhìn sâu sắc về chức năng tế bào, giúp họ tìm hiểu cách các tế bào phản ứng với các ứng viên thuốc hoặc kỹ thuật gen.

Phenom-Beta thể hiện tốt trong các nhiệm vụ tái tạo hình ảnh, một chỉ số đào tạo để đánh giá hiệu suất mô hình.

Phenom-Beta đã được đào tạo trên bộ dữ liệu RxRx3 có sẵn công khai của Recursion về hình ảnh sinh học, sử dụng siêu máy tính BioHive-1 của công ty, dựa trên kiến trúc tham khảo Nvidia DGX SuperPOD.

Để phát triển thêm mô hình cơ bản, Recursion đang mở rộng siêu máy tính của mình với hơn 500 GPU Nvidia H100 Tensor Core. Điều này sẽ tăng cường khả năng tính toán của họ lên 4 lần để tạo ra siêu máy tính mạnh mẽ nhất do bất kỳ công ty dược phẩm sinh học nào sở hữu và vận hành.

Công ty ứng dụng Nvidia BioNeMo hoạt động theo phương thức gì?

Một nhóm ngày càng phát triển của các nhà khoa học, công ty công nghệ sinh học và dược phẩm, và nhà cung cấp phần mềm AI đang sử dụng Nvidia BioNeMo để hỗ trợ nghiên cứu sinh học, hóa học và genomics.

Công ty dẫn đầu ngành công nghệ sinh học Terray Therapeutics đang tích hợp API đám mây BioNeMo vào việc phát triển mô hình liên kết cấu trúc đa mục tiêu tổng quát của mình. Công ty này cũng sử dụng Nvidia DGX Cloud để đào tạo các mô hình cơ bản hóa học nhằm cung cấp AI sinh học cho thiết kế phân tử nhỏ.

Các công ty kỹ thuật protein và thiết kế phân tử như Innophore và Insilico Medicine đang đưa BioNeMo vào các ứng dụng khám phá thuốc tính toán của họ. Innophore đang tích hợp API đám mây BioNeMo vào nền tảng Catalophore của mình cho thiết kế protein và khám phá thuốc. Insilico, một thành viên hàng đầu của chương trình Nvidia Inception cho các công ty khởi nghiệp, đã áp dụng BioNeMo trong đường dẫn AI sinh học của họ cho việc khám phá thuốc sớm.

Công ty phần mềm công nghệ sinh học OneAngstrom và nhà tích hợp hệ thống Deloitte đang sử dụng API đám mây BioNeMo để xây dựng giải pháp AI cho khách hàng của họ.

Cụ thể, OneAngstrom đang tích hợp API đám mây BioNeMo vào nền tảng Samson của mình cho thiết kế phân tử được sử dụng bởi giới học thuật, công ty công nghệ sinh học và dược phẩm. Còn Deloitte đang chuyển đổi nghiên cứu khoa học bằng cách tích hợp BioNeMo trên Nvidia DGX Cloud với nền tảng AI Quartz Atlas. Sự kết hợp này mang lại cho các nhà nghiên cứu dược phẩm sinh học khả năng kết nối dữ liệu không tương đồng và AI sinh học tiên tiến, đưa họ vào một kỷ nguyên mới của khám phá thuốc được tăng tốc.