Systèmes Persistants et NVIDIA s’associent pour accélérer la découverte de médicaments basée sur l’IA

Systèmes Persistants a annoncé une nouvelle collaboration avec NVIDIA (NVDA ) visant à améliorer la façon dont les médicaments sont découverts, testés et mis sur le marché. Le partenariat se concentre sur la combinaison de l’expertise d’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 vise 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 plus grande partie de ce processus dans des simulations de haute fidélité alimentées par l’IA, les deux sociétés 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 élément central de la collaboration est la nouvelle solution Génération de molécules et de dépistage virtuel (GenMolIVS) développée par Persistent. Construite 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 potentiels 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 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 continu les sorties de simulation, donnent la priorité aux candidats moléculaires prometteurs et recommandent les prochaines étapes pour la 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 l’étape 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. La société 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. Elle permet également aux sorties d’IA d’être intégrées directement dans les systèmes d’entreprise, les rendant actionnables plutôt que purement expérimentales.

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

Un défi récurrent dans l’adoption de l’IA dans les entreprises est le fossé entre les projets pilotes et le déploiement dans le monde réel. De nombreuses organisations réussissent à expérimenter avec des modèles d’IA mais ont du mal 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 dans le monde réel.

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

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

La réduction du nombre d’expériences qui échouent a le potentiel de diminuer les coûts tout en améliorant l’efficacité de l’ensemble du pipeline de développement. Dans le même temps, la capacité de faire évoluer rapidement les conceptions moléculaires ouvre la porte 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 de la découverte elle-même. 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 dans le monde réel continue de s’estomper, pointant vers un avenir où une grande partie du processus scientifique précoce se déroule in silico avant de jamais atteindre le laboratoire.