Persistent Systems y NVIDIA se asocian para acelerar el descubrimiento de fármacos impulsado por IA

Persistent Systems ha anunciado una nueva colaboración con NVIDIA con el objetivo de avanzar en la forma en que se descubren, prueban y lanzan al mercado los fármacos. La asociación se centra en combinar la experiencia en ingeniería de Persistent con la infraestructura de IA de NVIDIA para impulsar el descubrimiento de fármacos computacional más allá de la experimentación y hacia entornos de producción.

En su núcleo, la iniciativa se dirige a un cuello de botella de larga data en la atención sanitaria: el descubrimiento de fármacos en la fase inicial. Esta fase es tradicionalmente lenta, costosa y muy dependiente del trabajo de laboratorio físico. Al trasladar más de ese proceso a simulaciones de alta fidelidad impulsadas por IA, ambas empresas pretenden reducir los plazos mientras mejoran la probabilidad de éxito en las etapas posteriores.

De laboratorios de humedad a descubrimiento liderado por simulación

Un componente central de la colaboración es la solución Generative Molecules and Virtual Screening (GenMolIVS) desarrollada por Persistent. Construida sobre la plataforma BioNeMo de NVIDIA, el sistema utiliza modelos de IA generativos entrenados con datos químicos y biológicos para diseñar y evaluar digitalmente candidatos a fármacos potenciales.

En lugar de sintetizar compuestos y probarlos en un laboratorio desde el principio, los investigadores pueden simular el comportamiento molecular, como la afinidad de unión, la estabilidad y las interacciones químicas, antes de comprometer recursos con experimentos físicos. Este enfoque permite a los equipos explorar un espacio de diseño mucho más grande mientras filtran a los candidatos de baja probabilidad al comienzo del proceso.

El resultado es un cambio de la experimentación de prueba y error a la toma de decisiones liderada por simulación, donde la IA actúa como una primera capa de validación.

IA agente entra en el flujo de trabajo de descubrimiento de fármacos

Uno de los aspectos más notables de la asociación es la introducción de sistemas de IA agente en la tubería de descubrimiento. Utilizando el marco NeMo y la herramienta de agente de NVIDIA, Persistent está desarrollando agentes de IA que pueden gestionar y coordinar diferentes etapas de la investigación.

Estos sistemas analizan continuamente las salidas de simulación, priorizan a los candidatos moleculares prometedores y recomiendan los siguientes pasos para la validación experimental. En lugar de funcionar como herramientas aisladas, operan como capas de decisión interconectadas que permiten que las ideas de una etapa informen a la siguiente. Esto crea un flujo de trabajo de investigación más dinámico y receptivo, particularmente valioso en entornos donde deben evaluarse múltiples variables simultáneamente.

Infraestructura de NVIDIA y IA específica de dominio

La contribución de NVIDIA va más allá del simple poder de cómputo. La empresa proporciona una plataforma de IA de pilas completas adaptada para aplicaciones de ciencias de la vida, incluyendo BioNeMo para el entrenamiento de modelos específicos de dominio, Nemotron para razonamiento avanzado y NIM microservicios para despliegue escalable.

Esta infraestructura permite la simulación y la inferencia en tiempo real a escala mientras mantiene el nivel de confiabilidad requerido en entornos de atención sanitaria regulados. También permite que las salidas de IA se incorporen directamente a los sistemas empresariales, haciéndolos accionables en lugar de puramente experimentales.

Cerrar la brecha entre experimentos de IA y producción

Un desafío recurrente en la adopción de IA empresarial es la brecha entre proyectos piloto y despliegue en el mundo real. Muchas organizaciones experimentan con éxito con modelos de IA pero luchan por integrarlos en flujos de trabajo críticos para la misión.

Esta colaboración pone un énfasis claro en cerrar esa brecha diseñando sistemas que estén listos para la producción desde el principio. El objetivo es integrar la IA directamente en las tuberías de investigación, asegurando que las simulaciones y las ideas puedan influir inmediatamente en el trabajo de laboratorio del mundo real.

Qué significa esto para el futuro del desarrollo de fármacos

La implicación más amplia de esta asociación es un cambio hacia modelos de descubrimiento híbridos donde la simulación digital y la experimentación física operan juntas en lugar de en etapas separadas. La investigación en la fase inicial podría volverse significativamente más rápida a medida que las simulaciones reemplazan una gran parte del trabajo de laboratorio inicial, permitiendo a los equipos probar y refinar ideas a una velocidad mucho mayor.

Reducir el número de experimentos fallidos tiene el potencial de reducir costos mientras mejora la eficiencia de toda la tubería de desarrollo. Al mismo tiempo, la capacidad de iterar rápidamente sobre diseños moleculares abre la puerta a terapias más dirigidas y personalizadas.

Más fundamentalmente, esto refleja una transformación más profunda en la forma en que se lleva a cabo la investigación científica. La IA ya no es solo una herramienta de apoyo, sino que está comenzando a dar forma a la estructura del descubrimiento en sí. A medida que mejora la precisión de la simulación y los sistemas agente se vuelven más capaces, la línea entre la modelización computacional y la experimentación del mundo real continúa difuminándose, apuntando hacia un futuro donde gran parte del proceso científico inicial ocurre en silico antes de llegar al laboratorio.