Persistent Systems et NVIDIA s’associent pour accélérer la découverte de médicaments basée sur l’IA

Persistent Systems a annoncé une nouvelle collaboration avec NVIDIA visant à améliorer la façon dont les médicaments sont découverts, testés et mis sur le marché. Le partenariat vise à combiner l’expertise en ingénierie de Persistent avec l’infrastructure d’IA de NVIDIA pour pousser la découverte de médicaments computationnelle au-delà de l’expérimentation et dans les environnements de production.

À son cœur, l’initiative cible un goulet d’étranglement de longue date dans les soins de santé : la découverte de médicaments en phase précoce. Cette phase est traditionnellement lente, coûteuse et fortement dépendante du travail de laboratoire physique. En déplaçant une partie de ce processus vers des simulations de haute fidélité alimentées par l’IA, les deux entreprises visent à réduire les délais tout en améliorant la probabilité de succès en aval.

Des laboratoires humides à la découverte basée sur la simulation

Un composant central de la collaboration est la solution Generative Molecules and Virtual Screening (GenMolIVS) nouvellement développée par Persistent. Conçue sur la plate-forme BioNeMo de NVIDIA, le système utilise des modèles d’IA génératifs formés sur des données chimiques et biologiques pour concevoir et évaluer des candidats médicaments numériquement.

Au lieu de synthétiser des composés et de les tester en laboratoire dès le départ, les chercheurs peuvent simuler le comportement moléculaire tel que l’affinité de liaison, la stabilité et les interactions chimiques avant de consacrer des ressources à des expériences physiques. Cette approche permet aux équipes d’explorer un espace de conception beaucoup plus vaste tout en filtrant les candidats à faible probabilité dès le début du processus.

Le résultat est un passage d’une expérimentation par essais et erreurs à une prise de décision basée sur la simulation, où l’IA agit comme une première couche de validation.

L’IA agente entre dans le flux de travail de découverte de médicaments

L’un des aspects les plus notables du partenariat est l’introduction de systèmes d’IA agents dans le pipeline de découverte. En utilisant le cadre NeMo et l’outil de kit d’agent de NVIDIA, Persistent développe des agents d’IA qui peuvent gérer et coordonner les différentes étapes de la recherche.

Ces systèmes analysent en permanence les sorties de simulation, donnent la priorité aux candidats moléculaires prometteurs et recommandent les prochaines étapes pour une validation expérimentale. Plutôt que de fonctionner comme des outils isolés, ils opèrent comme des couches de décision interconnectées qui permettent aux connaissances d’une étape d’informer la suivante. Cela crée un flux de travail de recherche plus dynamique et plus réactif, particulièrement précieux dans les environnements où de multiples variables doivent être évaluées simultanément.

L’infrastructure et l’IA spécifique au domaine de NVIDIA

La contribution de NVIDIA va au-delà de la puissance de calcul brute. L’entreprise fournit une plate-forme d’IA complète adaptée aux applications des sciences de la vie, y compris BioNeMo pour la formation de modèles spécifiques au domaine, les modèles Nemotron pour un raisonnement avancé et les microservices NIM pour un déploiement évolutif.

Cette infrastructure permet une simulation et une inférence en temps réel à grande échelle tout en maintenant le niveau de fiabilité requis dans les environnements de soins de santé réglementés. Cela permet également aux sorties d’IA d’être intégrées directement dans les systèmes d’entreprise, les rendant opérationnelles plutôt que purement expérimentales.

Combler le fossé entre les expériences d’IA et la production

Un défi récurrent dans l’adoption de l’IA par les entreprises est le fossé entre les projets pilotes et le déploiement dans le monde réel. De nombreuses organisations expérimentent avec succès des modèles d’IA mais peinent à les intégrer dans les flux de travail critiques.

Cette collaboration met l’accent sur la fermeture de ce fossé en concevant des systèmes prêts pour la production dès le départ. L’objectif est d’intégrer l’IA directement dans les pipelines de recherche, en veillant à ce que les simulations et les connaissances puissent influencer immédiatement les travaux de laboratoire réels.

Ce que cela signale pour l’avenir du développement de médicaments

L’implication plus large de ce partenariat est un déplacement vers des modèles de découverte hybrides où la simulation numérique et l’expérimentation physique fonctionnent ensemble plutôt que dans des étapes distinctes. La recherche en phase précoce pourrait devenir nettement plus rapide à mesure que les simulations remplacent une grande partie du travail de laboratoire initial, permettant aux équipes de tester et d’affiner les idées à une vitesse nettement plus élevée.

La réduction du nombre d’expériences infructueuses a le potentiel de réduire les coûts tout en améliorant l’efficacité de l’ensemble du pipeline de développement. Dans le même temps, la capacité de réitérer rapidement les conceptions moléculaires ouvre la voie à des thérapies plus ciblées et personnalisées.

Plus fondamentalement, cela reflète une transformation plus profonde de la façon dont la recherche scientifique est menée. L’IA n’est plus seulement un outil de soutien mais commence à façonner la structure même de la découverte. À mesure que la précision de la simulation s’améliore et que les systèmes agents deviennent plus capables, la frontière entre la modélisation computationnelle et l’expérimentation réelle continue de s’estomper, indiquant un avenir où une grande partie du processus scientifique précoce se déroule in silico avant de jamais atteindre le laboratoire.