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(shí)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(dòng)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(guò)程中最耗時(shí)、費(fèi)用最高的階段。研究人員能夠依靠它在自己的專(zhuān)有數(shù)據(jù)上對(duì)生成式 AI 應(yīng)用進(jìn)行微調(diào)，并可以直接通過(guò)網(wǎng)絡(luò)瀏覽器或者全新云應(yīng)用編程接口（API）運(yùn)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(kāi)辟了巨大的前景。NVIDIA 與該領(lǐng)域先鋒企業(yè)的長(zhǎng)期合作，推動(dòng)了 BioNeMo 云服務(wù)的發(fā)展。這項(xiàng)服務(wù)現(xiàn)在已經(jīng)被當(dāng)作一個(gè) AI 藥物研發(fā)實(shí)驗(yàn)室，它可提供預(yù)訓(xùn)練模型，并使用專(zhuān)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(shí)別正確的靶向目標(biāo)、設(shè)計(jì)分子和蛋白質(zhì)并預(yù)測(cè)它們?cè)谌梭w內(nèi)的相互作用，從而研發(fā)出最佳的候選藥物。”

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(xiàng)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(xiàng)服務(wù)，我們可以在安進(jìn)的專(zhuān)有數(shù)據(jù)上預(yù)訓(xùn)練用于分子生物的大型語(yǔ)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(lái)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(dòng)的新候選治療藥物的設(shè)計(jì)。

生成式 AI 模型能夠快速識(shí)別潛在的藥物分子，在某些情況下可從零開(kāi)始設(shè)計(jì)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(cè)蛋白質(zhì)的 3D 結(jié)構(gòu)和分子與目標(biāo)蛋白質(zhì)對(duì)接的程度。

新的生成式 AI 模型在 BioNeMo 服務(wù)上

提供早期訪問(wèn)

除了之前公布的 MegaMolBART 生成式化學(xué)模型、 ESM1nv 蛋白質(zhì)語(yǔ)言模型和 OpenFold 蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)模型之外，BioNeMo 現(xiàn)在又加入了 6 個(gè)經(jīng)過(guò)優(yōu)化的全新開(kāi)源模型，包括：

• AlphaFold2：DeepMind 開(kāi)發(fā)的一個(gè)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(shí)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(wàn)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(jì)算效率預(yù)測(cè)小分子的 3D 方位和錨定反應(yīng)。

• ESMFold：這個(gè)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)模型使用 Meta AI 的 ESM2 蛋白質(zhì)語(yǔ)言模型，可以基于單個(gè)氨基酸序列來(lái)預(yù)測(cè)蛋白質(zhì)的 3D 結(jié)構(gòu)，而不需要類(lèi)似序列的樣本。

• ESM2：該蛋白質(zhì)語(yǔ)言模型用于推理蛋白質(zhì)的機(jī)器表示，對(duì)蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、屬性預(yù)測(cè)和分子對(duì)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(gè)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(gè)語(yǔ)言模型生成新的蛋白質(zhì)序列，幫助研究人員設(shè)計(jì)具有獨(dú)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(guò)一個(gè)瀏覽器界面輕松訪問(wèn)這些生成式 AI 模型，進(jìn)行互動(dòng)推理并實(shí)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(jí)計(jì)算資源組合后，就可以在使用 NVIDIA Base Command 平臺(tái)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(zhuān)有的抗體專(zhuān)利數(shù)據(jù)對(duì) 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(gè)用于分子篩選和優(yōu)化的自定義模型所需要的時(shí)間從三個(gè)月縮短到幾周。

芝加哥生物技術(shù)公司兼 NVIDIA 初創(chuàng)加速計(jì)劃成員 Evozyne 的研究人員與 NVIDIA 聯(lián)合開(kāi)發(fā)了一個(gè)基于 BioNeMo 的深度學(xué)習(xí)模型—Protein Transformer Variational AutoEncoder。這個(gè)生成式 AI 模型在 Evozyne 專(zhuān)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(jì)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(jì)劃高級(jí)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(guò)去需要花費(fèi)四年多的時(shí)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(shí)間和十分之一的成本就能識(shí)別出一種臨床前候選藥物。該藥物預(yù)計(jì)很快將進(jìn)入二期患者臨床試驗(yàn)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(chǎng)分會(huì)、Evozyne 演講者主持的一場(chǎng)分會(huì)和 DeepMind 演講者主持的另一場(chǎng)關(guān)于 AlphaFold 的分會(huì)。

免費(fèi)注冊(cè)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(bào)二維碼，或點(diǎn)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(cuò)過(guò)的演講!

GTC23 | 黃仁勛與 Ilya Sutskever 的爐邊談話重磅來(lái)襲！— 看 AI 的現(xiàn)狀和未來(lái)