作為 NVIDIA AI Foundations 的一部分，全新 BioNeMo 云服務(wù)加速生命科學(xué)研究、藥物研發(fā)和蛋白質(zhì)工程

加利福尼亞州圣克拉拉 - GTC - 太平洋時間 2023 年 3 月 21 日 – NVIDIA 今日推出一整套用于自定義 AI 基礎(chǔ)模型的生成式 AI 云服務(wù)。這些服務(wù)將加速新蛋白質(zhì)和治療方法的創(chuàng)建以及基因組學(xué)、化學(xué)、生物學(xué)和分子動力學(xué)等領(lǐng)域的研究。

作為 NVIDIA AI Foundations 的一部分，用于 AI 模型訓(xùn)練和推理的全新 BioNeMo 云服務(wù)產(chǎn)品能夠加速藥物研發(fā)過程中最耗時、費用最高的階段。研究人員能夠依靠它在自己的專有數(shù)據(jù)上對生成式 AI 應(yīng)用進(jìn)行微調(diào)，并可以直接通過網(wǎng)絡(luò)瀏覽器或者全新云應(yīng)用編程接口（API）運行 AI 模型推理，并輕松集成到現(xiàn)有應(yīng)用中。

NVIDIA 醫(yī)療業(yè)務(wù)副總裁 Kimberly Powell 表示：“生成式 AI 的革命性力量為生命科學(xué)和制藥行業(yè)開辟了巨大的前景。NVIDIA 與該領(lǐng)域先鋒企業(yè)的長期合作，推動了 BioNeMo 云服務(wù)的發(fā)展。這項服務(wù)現(xiàn)在已經(jīng)被當(dāng)作一個 AI 藥物研發(fā)實驗室，它可提供預(yù)訓(xùn)練模型，并使用專有數(shù)據(jù)自定義服務(wù)于藥物研發(fā)流程各階段的模型。這能夠幫助研究人員識別正確的靶向目標(biāo)、設(shè)計分子和蛋白質(zhì)并預(yù)測它們在人體內(nèi)的相互作用，從而研發(fā)出最佳的候選藥物?！?/p>

早期用戶——安進(jìn)

世界領(lǐng)先的生物技術(shù)公司安進(jìn)（Amgen）已經(jīng)在使用這項服務(wù)推進(jìn)其研發(fā)工作。

安進(jìn)數(shù)字創(chuàng)新研究加速中心、生物治療研發(fā)部執(zhí)行總監(jiān) Peter Grandsard 表示：“ BioNeMo 大大加快了我們的生物制劑研發(fā)流程。憑借這項服務(wù)，我們可以在安進(jìn)的專有數(shù)據(jù)上預(yù)訓(xùn)練用于分子生物的大型語言模型，使我們能夠探索和研發(fā)出新一代藥物中的治療性蛋白質(zhì)來幫助治療患者?！?/p>

生成式 AI 大幅加快藥物研發(fā)流程

BioNeMo 云服務(wù)包含預(yù)訓(xùn)練的 AI 模型，以幫助研究人員建立 AI 藥物研發(fā)流程。該服務(wù)已被包括 Evozyne 和 Insilico Medicine 在內(nèi)的藥物研發(fā)企業(yè)用于支持?jǐn)?shù)據(jù)驅(qū)動的新候選治療藥物的設(shè)計。

生成式 AI 模型能夠快速識別潛在的藥物分子，在某些情況下可從零開始設(shè)計出化合物或基于蛋白質(zhì)的治療藥物。這些模型在小分子、蛋白質(zhì)、DNA 和 RNA 序列的大型數(shù)據(jù)集上進(jìn)行訓(xùn)練后，可以預(yù)測蛋白質(zhì)的 3D 結(jié)構(gòu)和分子與目標(biāo)蛋白質(zhì)對接的程度。

新的生成式 AI 模型在 BioNeMo 服務(wù)上

提供早期訪問

除了之前公布的 MegaMolBART 生成式化學(xué)模型、 ESM1nv 蛋白質(zhì)語言模型和 OpenFold 蛋白質(zhì)結(jié)構(gòu)預(yù)測模型之外，BioNeMo 現(xiàn)在又加入了 6 個經(jīng)過優(yōu)化的全新開源模型，包括：

• AlphaFold2：DeepMind 開發(fā)的一個深度學(xué)習(xí)模型，其能夠?qū)⒋_定蛋白質(zhì)結(jié)構(gòu)所需的時間從幾年縮短到幾分鐘甚至幾秒，僅需要使用蛋白質(zhì)的氨基酸序列。該模型已經(jīng)被 100 多萬研究人員使用。

• DiffDock：為了幫助研究人員了解藥物分子如何與目標(biāo)蛋白結(jié)合，該模型以高精度和高計算效率預(yù)測小分子的 3D 方位和錨定反應(yīng)。

• ESMFold：這個蛋白質(zhì)結(jié)構(gòu)預(yù)測模型使用 Meta AI 的 ESM2 蛋白質(zhì)語言模型，可以基于單個氨基酸序列來預(yù)測蛋白質(zhì)的 3D 結(jié)構(gòu)，而不需要類似序列的樣本。

• ESM2：該蛋白質(zhì)語言模型用于推理蛋白質(zhì)的機器表示，對蛋白質(zhì)結(jié)構(gòu)預(yù)測、屬性預(yù)測和分子對接等下游任務(wù)很有用處。

• MoFlow：用于分子優(yōu)化和小分子生成，這個生成化學(xué)模型重新創(chuàng)建分子，提出潛在治療藥物的各種化學(xué)結(jié)構(gòu)。

• ProtGPT-2：這個語言模型生成新的蛋白質(zhì)序列，幫助研究人員設(shè)計具有獨特結(jié)構(gòu)、屬性和功能的蛋白質(zhì)。

BioNeMo 服務(wù)使用戶可以通過一個瀏覽器界面輕松訪問這些生成式 AI 模型，進(jìn)行互動推理并實現(xiàn)蛋白質(zhì)結(jié)構(gòu)的可視化。研究人員將 BioNeMo 與 NVIDIA DGX Cloud 上的超級計算資源組合后，就可以在使用 NVIDIA Base Command 平臺和 NVIDIA AI Enterprise 軟件套件的全托管軟件服務(wù)上自定義他們的模型。

制藥公司和初創(chuàng)企業(yè)利用 BioNeMo

優(yōu)化 AI 工作流程

制藥公司和藥物研發(fā)初創(chuàng)企業(yè)正在使用 BioNeMo 并且多次取得顯著的成果。

安進(jìn)使用其專有的抗體專利數(shù)據(jù)對 BioNeMo 的 ESM 模型架構(gòu)進(jìn)行了預(yù)訓(xùn)練和微調(diào)。該公司將在 DGX Cloud 上訓(xùn)練五個用于分子篩選和優(yōu)化的自定義模型所需要的時間從三個月縮短到幾周。

芝加哥生物技術(shù)公司兼 NVIDIA 初創(chuàng)加速計劃成員 Evozyne 的研究人員與 NVIDIA 聯(lián)合開發(fā)了一個基于 BioNeMo 的深度學(xué)習(xí)模型—Protein Transformer Variational AutoEncoder。這個生成式 AI 模型在 Evozyne 專有的蛋白質(zhì)數(shù)據(jù)上進(jìn)行了微調(diào)，研究人員用它可設(shè)計出性能明顯高于自然界中的酶的合成變體。

NVIDIA 初創(chuàng)加速計劃高級成員 Insilico Medicine 正在使用 BioNeMo 加速早期藥物研發(fā)流程。該流程在過去需要花費四年多的時間，成本約 5 億美元。Insilico 使用了端到端的生成式 AI ，只用了三分之一的時間和十分之一的成本就能識別出一種臨床前候選藥物。該藥物預(yù)計很快將進(jìn)入二期患者臨床試驗階段。

在 GTC 上了解 AI 和醫(yī)療行業(yè)的最新進(jìn)展，包括安進(jìn)演講者主持的三場分會、Evozyne 演講者主持的一場分會和 DeepMind 演講者主持的另一場關(guān)于 AlphaFold 的分會。

免費注冊觀看 NVIDIA 創(chuàng)始人兼首席執(zhí)行官黃仁勛 GTC 主題演講，了解 BioNeMo 云服務(wù)。

掃描海報二維碼，或點擊“閱讀原文”，即可觀看 NVIDIA 創(chuàng)始人兼首席執(zhí)行官黃仁勛 GTC23 主題演講重播！

百里挑一！

3 月 23 日不可錯過的演講!