Persistent SystemsとNVIDIAがAI駆動の薬剤発見を加速するためのパートナーシップを結ぶ

Persistent Systemsは、薬剤の発見、テスト、市場投入の方法を進化させることを目的とした、NVIDIAとの新しいコラボレーションを発表しました。このパートナーシップは、Persistentのエンジニアリングの専門知識とNVIDIAのAIインフラストラクチャーを組み合わせ、計算機による薬剤発見を実験から生産環境へと推進することを目的としています。

その核心にあるのは、ヘルスケアにおける長年のボトルネックである、初期段階の薬剤発見です。この段階は従来、遅く、高価で、物理的な研究所での作業に大きく依存しています。AIを利用した高忠実度のシミュレーションにこのプロセスを移行することで、両社はタイムラインを短縮し、成功の確率を高めることを目指しています。

ウェットラボからシミュレーション主導の発見へ

コラボレーションの中心的な要素は、Persistentが新しく開発したGenerative Molecules and Virtual Screening (GenMolIVS)ソリューションです。NVIDIAのBioNeMoプラットフォーム上に構築されたこのシステムは、化学および生物学のデータで訓練された生成モデルを使用して、潜在的な薬剤候補をデジタルで設計および評価します。

研究者は、研究所での実験を開始する前に、分子の挙動、結合親和性、安定性、化学反応などのシミュレーションを行うことができます。これにより、チームはデザイン空間を大幅に拡大し、低確率の候補を早期にフィルタリングすることができます。

結果として、試行錯誤の実験からシミュレーション主導の意思決定への移行が起こり、AIが最初の検証層として機能します。

エージェントAIが薬剤発見ワークフローに参入する

パートナーシップの注目すべき側面の1つは、エージェントAIシステムが発見パイプラインに導入されることです。NVIDIAのNeMoフレームワークとエージェントツールキットを使用して、Persistentは、研究のさまざまな段階を管理および調整するAIエージェントを開発しています。

これらのシステムは、シミュレーションの出力を継続的に分析し、有望な分子候補を優先し、実験的検証の次のステップを推奨します。単なるツールではなく、相互に接続された意思決定層として機能し、1つの段階の洞察が次の段階に情報を提供することができます。これにより、特に複数の変数を同時に評価する必要がある環境では、よりダイナミックでレスポンシブな研究ワークフローが実現します。

NVIDIAのインフラストラクチャーとドメイン特有のAI

NVIDIAの貢献は、生命科学アプリケーション向けのフルスタックAIプラットフォームを提供することです。これには、ドメイン特有のモデル訓練用のBioNeMo、高度な推論用のNemotronモデル、およびスケーラブルな展開用のNIMマイクロサービスが含まれます。

このインフラストラクチャーにより、規制されたヘルスケア環境で必要な信頼性レベルを維持しながら、リアルタイムのシミュレーションと推論が大規模に行えるようになります。また、AIの出力をエンタープライズシステムに直接埋め込むことができるため、実験的なものではなく、行動可能なものになります。

AI実験と生産のギャップを埋める

エンタープライズAIの導入における反復的な課題は、パイロットプロジェクトと実世界の展開の間のギャップです。多くの組織はAIモデルで実験に成功しますが、ミッションクリティカルなワークフローに統合するのに苦労します。

このコラボレーションは、最初から本格的な生産環境で使用できるシステムを設計することで、このギャップを埋めることに重点を置いています。目標は、シミュレーションと洞察を研究パイプラインに直接埋め込むことで、実世界の研究所での作業にすぐに影響を与えることができるようにすることです。

これが薬剤開発の将来に与える影響

このパートナーシップのより広範な意味は、デジタルシミュレーションと物理実験が別々の段階ではなく、協調して機能するハイブリッド発見モデルへの移行です。初期段階の研究は、シミュレーションが初期の研究所での作業の大部分を置き換えることで、かなり高速化する可能性があります。これにより、チームはアイデアをテストおよび改良する速度を大幅に高めることができます。

失敗した実験の数を減らすことで、コストを削減し、開発パイプラインの効率を向上させることができます。同時に、分子設計を迅速に反復する能力は、よりターゲットを絞った個人化された治療の扉を開きます。

より根本的に、このことは、科学研究が行われる方法に深い変革を反映しています。AIは、単なる支援ツールではなく、発見そのものの構造を形作り始めています。シミュレーションの精度が向上し、エージェントシステムがより能力を高めると、計算モデルと実世界の実験の間の線はさらに曖昧になり、初期の科学的プロセスが研究所に到達する前に、シルコで発生する未来が予測されます。