Nvidia 为药物发现者推出 AI 参考工作流程 - 基因工程

2024-09-25 19:25:29 英文原文

药物发现者是 Nvidia 最近推出的预训练、可定制工作流程目录的客户之一，使企业级用户能够开发自己的人工智能 (AI) 应用程序。

NVIDIA NIM Agent蓝图是参考工作流程，旨在帮助药物发现者和其他客户构建和部署生成式 AI 应用程序，其用途包括虚拟筛选、信息检索，甚至客户服务化身。

该蓝图结合了 NVIDIA NIM 或优化的云 -原生微服务旨在让开发人员在任何地方加速生成式 AI 模型的部署，无论是通过本地工作站、本地数据中心、云服务还是 GPU 加速工作站。（NIM 代表 NVIDIA 推理微服务）。

通过使生物制药公司能够从传统的固定数据库筛选转向生成式 AI 驱动的分子设计和预优化，NIM 代理蓝图旨在帮助研究人员更快地设计更好的分子。根据 Nvidia 的说法，这代表了药物发现过程中的范式转变，特别是在将热门化合物转变为针对进一步开发而优化的先导化合物方面。

我访问过的许多制药公司的产品中都含有 6000 万个分子。图书馆。这就是他们要筛选的对象，即 6000 万个静态分子。但 Nvidia 医疗保健业务开发经理 Kimberly Powell 告诉 GEN Edge，化学领域有 1060 种潜在分子可能是一种疗法。

这里的范式转变就是生成式 AI 正在做的事情，尤其是鲍威尔说，MolMIM 系统正在做的事情是利用生成效应，智能地搜索化学空间，以便世界上以前从未合成过的分子能够具有您真正关心的特征。

Nvidia 表示，对于药物开发商来说，一种名为“生成虚拟筛选”的 NIM 代理蓝图可以帮助他们实现人工智能的长期承诺，即通过使用生成模型加速小分子的虚拟筛选，减少开发新疗法的时间和成本。

通过三种人工智能模型提高命中

该蓝图以更智能、更高效的方式识别和改进通过筛选鉴定为具有潜在生物活性的虚拟命中化合物。生成虚拟筛选的核心是三个基本的人工智能模型：

• AlphaFold2，谷歌 DeepMind 开发的蛋白质折叠人工智能模型。AlphaFold2 可以根据氨基酸序列以原子级精度预测蛋白质的 3D 结构。
• DiffDock 是一种分子对接模型，旨在预测小分子配体与蛋白质的结合结构，同时针对多个配体进行优化特性，例如高溶解度和低毒性。
• MolMIM，一种生成化学模型，可生成针对用户定义的特性进行优化的候选药物。MolMIM 还可以设计经过优化以结合特定蛋白质靶标的分子。

每个 AI 模型都封装在 NIM 中，NIM 将微服务集成到灵活、可扩展的生成式 AI 工作流程中。该蓝图使用生成式人工智能方法预先优化分子以获得所需的治疗特性。

虚拟筛选仍然只是药物发现的一部分。但我们正在研究从目标发现到先导化合物识别的整个模型。鲍威尔说，我们将沿着药物发现过程构建蓝图。

她解释说，计算机辅助药物发现确实会在整个过程中看到生成人工智能的注入。很多时候，计算机辅助药物发现被认为是在先导化合物识别优化中进行的，我们做了很多模拟。但现在从目标 ID 到先导化合物优化，我们一直使用大量计算方法。

其他专注于药物发现的 NVIDIA NIM 包括：

• ESMFold，一个 Transformer模型是一种神经网络，通过跟踪顺序数据中的关系来学习上下文并从而了解含义，可以根据单个氨基酸序列准确预测蛋白质结构。
• Parabricks DeepVariant（通用变体调用微服务背后的工具）是一种深度学习旨在帮助识别短读长和长读长测序数据集中的变异的学习模型。与设计在中央处理单元或 CPU 上运行的原始或普通 DeepVariant 实现相比，Parabricks 旨在将基因组分析工作流程中的变异调用速度提高 50 倍。

多达四到五个普遍可用的 NIM，我们还有一大堆其他药物发现和医疗保健 NIM 正在预览中。我们将非常积极地发布和部署这些应用程序。Powell 说，每个月，您都会看到丰富的新 NIM 和蓝图。

数字人类、PDF 数据提取

除了药物发现蓝图之外，其他 NIM 代理蓝图包括数字化人类工作流程，用途广泛，从数字健康到客户服务；以及用于企业检索增强生成 (RAG) 的多模式 PDF 数据提取工作流程，旨在从大量业务数据中生成更准确的响应。

根据 Nvidia 的说法，RAG 可以从任何 PDF 中读取图像，并提供基于所见所闻的见解。

作为通过生物医学研究的医疗保健行业，我们与保险公司所做的一切、所有患者和医生的互动，到处都有 PDF，其中包含大量有用的信息。鲍威尔说，现在我们能够将其提取出来并进行总结。

数字人类工作流程也可以应用于数字健康，它使用能够自动语音识别的定制化身，例如 Nvidia 的交互式数字化身。人类，名叫詹姆斯。人类语音被转换为文本，进入语言模型，从那里进入 RAG 系统，返回语音合成，并激活用户头像。

如果完成整个循环，您现在就拥有了Powell 表示，它代表了真正的数字人类，能够理解、推理和响应，并且还可以使用 Audio2Face NIM。您可以见到 James，当文本转语音返回时，您实际上会在脸上表现出不同的情绪，并且可以进行更有吸引力的对话。

蓝图可供开发人员免费下载并且可以与 NVIDIA AI Enterprise 软件平台一起部署。

根据 Nvidia 的说法，包括该领域所有排名前 20 名的生物制药公司正在通过埃森哲、德勤等全球系统集成商和技术解决方案提供商访问 NVIDIA NIM Agent 蓝图、SoftServe 和 World Wide Technology (WWT) 正在为全球企业带来。思科、戴尔技术公司、惠普企业和联想正在提供全栈 NVIDIA 加速基础设施和解决方案，以加速 NIM 代理蓝图部署。

埃森哲计划根据药物开发的特定需求定制 NIM 代理蓝图与生物制药公司合作，优化 MolMIM NIM 中的分子生成步骤。

Amazon Web Services AWS HealthOmicsa 服务旨在帮助生物制药公司和医疗保健系统存储、查询和分析基因组、转录组和其他组学数据Nvidia 表示，提供构成蓝图的所有三个 NIM，目的是简化人工智能与现有药物发现工作流程的集成。

关于《Nvidia 为药物发现者推出 AI 参考工作流程 - 基因工程》
暂无评论

药物发现者是 Nvidia 最近推出的预训练、可定制工作流程目录的客户之一，使企业级用户能够开发自己的人工智能 (AI) 应用程序。该蓝图采用了 NVIDIA NIM 或优化的云原生微服务，旨在让开发人员能够在任何地方加速生成式 AI 模型的部署，无论是通过本地工作站、本地数据中心、云服务还是 GPU 加速工作站。（这里的范式转变是生成人工智能正在做的事情，尤其是 MolMIM 系统正在做的事情，正在利用生成效应，智能地搜索化学空间，以便世界上以前从未合成过的分子可以具有您所需要的特征。鲍威尔说，对于药物开发商来说，Nvidia 表示，一种称为生成虚拟筛选的 NIM 代理蓝图可以帮助他们实现人工智能的长期承诺，即通过使用生成加速小分子的虚拟筛选，减少开发新疗法的时间和成本。鲍威尔说，我们将沿着药物发现过程构建蓝图。