Persistent Systems e NVIDIA collaborano per accelerare la scoperta di farmaci guidata dall’AI

Persistent Systems ha annunciato una nuova collaborazione con NVIDIA finalizzata a migliorare il modo in cui vengono scoperti, testati e portati sul mercato i farmaci. La partnership si concentra sull’unione dell’esperienza ingegneristica di Persistent con l’infrastruttura AI di NVIDIA per spingere la scoperta computazionale di farmaci oltre la sperimentazione e negli ambienti di produzione.

Al suo nucleo, l’iniziativa si concentra su un collo di bottiglia di lunga data nel settore sanitario: la scoperta di farmaci nella fase iniziale. Questa fase è tradizionalmente lenta, costosa e fortemente dipendente dal lavoro di laboratorio fisico. Spostando più di quel processo in simulazioni ad alta fedeltà alimentate dall’AI, entrambe le aziende stanno cercando di ridurre i tempi di attesa mentre migliorano la probabilità di successo a valle.

Dai laboratori di prova alle scoperte guidate dalla simulazione

Un componente centrale della collaborazione è la nuova soluzione Generative Molecules and Virtual Screening (GenMolIVS) di Persistent. Costruito sulla piattaforma BioNeMo di NVIDIA, il sistema utilizza modelli di intelligenza artificiale generativa addestrati su dati chimici e biologici per progettare e valutare candidati farmaceutici digitali.

Invece di sintetizzare composti e testarli in laboratorio fin dall’inizio, i ricercatori possono simulare il comportamento molecolare come l’affinità di legame, la stabilità e le interazioni chimiche prima di impegnare risorse in esperimenti fisici. Questo approccio consente ai team di esplorare uno spazio di progettazione molto più ampio mentre filtrano i candidati a bassa probabilità all’inizio del processo.

Il risultato è uno spostamento dall’esperimentazione basata su prove ed errori alla presa di decisioni guidata dalla simulazione, in cui l’AI agisce come primo livello di convalida.

L’introduzione dell’AI agente nel flusso di lavoro di scoperta di farmaci

Uno degli aspetti più notevoli della partnership è l’introduzione di sistemi AI agente nel pipeline di scoperta. Utilizzando il framework NeMo e l’agent toolkit di NVIDIA, Persistent sta sviluppando agenti AI che possono gestire e coordinare diverse fasi di ricerca.

Questi sistemi analizzano continuamente le uscite della simulazione, danno priorità a candidati molecolari promettenti e raccomandano i prossimi passi per la convalida sperimentale. Piuttosto che funzionare come strumenti isolati, operano come strati decisionali interconnessi che consentono di utilizzare le informazioni di una fase per informare la successiva. Ciò crea un flusso di lavoro di ricerca più dinamico e rispondente, particolarmente prezioso in ambienti in cui devono essere valutate simultaneamente molteplici variabili.

L’infrastruttura e l’AI specifica del dominio di NVIDIA

Il contributo di NVIDIA va oltre la semplice potenza di calcolo. L’azienda fornisce una piattaforma AI full-stack personalizzata per le applicazioni delle scienze della vita, tra cui BioNeMo per l’addestramento di modelli specifici del dominio, Nemotron per il ragionamento avanzato e NIM microservizi per la distribuzione scalabile.

Questa infrastruttura consente la simulazione e l’inferenza in tempo reale su larga scala mentre mantiene il livello di affidabilità richiesto negli ambienti sanitari regolamentati. Consente inoltre di incorporare direttamente le uscite dell’AI nei sistemi aziendali, rendendole azionabili anziché puramente sperimentali.

Colmare il divario tra esperimenti AI e produzione

Una sfida ricorrente nell’adozione dell’AI aziendale è il divario tra progetti pilota e distribuzione nel mondo reale. Molte organizzazioni sperimentano con successo con modelli AI ma lottano per integrarli nei flussi di lavoro critici per la missione.

Questa collaborazione pone un chiaro accento sull’eliminazione di quel divario progettando sistemi pronti per la produzione fin dall’inizio. L’obiettivo è incorporare l’AI direttamente nei pipeline di ricerca, assicurando che le simulazioni e le informazioni possano influenzare immediatamente il lavoro di laboratorio nel mondo reale.

Cosa significa questo per il futuro dello sviluppo di farmaci

L’implicazione più ampia di questa partnership è uno spostamento verso modelli di scoperta ibridi in cui la simulazione digitale e l’esperimentazione fisica operano insieme piuttosto che in fasi separate. La ricerca nella fase iniziale potrebbe diventare significativamente più veloce poiché le simulazioni sostituiscono una grande parte del lavoro di laboratorio iniziale, consentendo ai team di testare e raffinare le idee a una velocità molto più alta.

Ridurre il numero di esperimenti falliti ha il potenziale di abbassare i costi mentre migliora l’efficienza dell’intero pipeline di sviluppo. Allo stesso tempo, la capacità di iterare rapidamente su progetti molecolari apre la porta a terapie più mirate e personalizzate.

Più fondamentalmente, ciò riflette una trasformazione più profonda di come viene condotta la ricerca scientifica. L’AI non è più solo uno strumento di supporto ma inizia a plasmare la struttura della scoperta stessa. Man mano che la precisione della simulazione migliora e i sistemi agente diventano più capaci, la linea tra la modellazione computazionale e l’esperimentazione nel mondo reale continua a sfumare, puntando verso un futuro in cui gran parte del processo scientifico iniziale avviene in silico prima di raggiungere il laboratorio.