Persistent Systems и NVIDIA сотрудничают для ускорения открытий лекарств с помощью ИИ

Persistent Systems объявила о новом сотрудничестве с NVIDIA (NVDA ), направленном на улучшение процесса открытия, тестирования и вывода на рынок лекарств. Сотрудничество фокусируется на объединении инженерной экспертизы Persistent с инфраструктурой ИИ NVIDIA для продвижения вычислительного открытия лекарств за пределы экспериментов и в производственные среды.

В основе инициативы лежит lâu-standing проблема в здравоохранении: открытие лекарств на ранней стадии. Этот этап традиционно медленный, дорогой и сильно зависит от лабораторной работы. Переместив часть этого процесса в высококачественные симуляции, работающие на ИИ, обе компании стремятся сократить сроки и улучшить вероятность успеха на более поздних этапах.

От мокрых лабораторий к открытиям, основанным на симуляции

Центральным компонентом сотрудничества является недавно разработанное решение Persistent Generative Molecules and Virtual Screening (GenMolIVS). Построенное на платформе BioNeMo NVIDIA, система использует модели генеративного ИИ, обученные на химических и биологических данных, для проектирования и оценки потенциальных кандидатов на лекарства в цифровой форме.

Вместо синтеза соединений и их тестирования в лаборатории с самого начала, исследователи могут симулировать молекулярное поведение, такое как сродство к связыванию, стабильность и химические взаимодействия, прежде чем тратить ресурсы на физические эксперименты. Этот подход позволяет командам исследовать гораздо больший дизайнерский пространство, одновременно фильтруя кандидатов с низкой вероятностью успеха на ранней стадии процесса.

Результатом является переход от экспериментального подхода к процессу принятия решений, основанному на симуляции, где ИИ выступает в качестве первого слоя проверки.

Агентный ИИ входит в процесс открытия лекарств

Одним из наиболее заметных аспектов партнерства является введение агентных систем ИИ в процесс открытия. Используя NeMo фреймворк и инструментарий агентов NVIDIA, Persistent разрабатывает агентов ИИ, которые могут управлять и координировать различные этапы исследования.

Эти системы непрерывно анализируют выходные данные симуляций, отдают приоритет перспективным молекулярным кандидатам и рекомендуют следующие шаги для экспериментальной проверки. Вместо того, чтобы функционировать как изолированные инструменты, они работают как взаимосвязанные слои принятия решений, позволяющие выводам из одного этапа информировать следующий. Это создает более динамичный и отзывчивый исследовательский процесс, особенно ценный в средах, где необходимо оценить несколько переменных одновременно.

Инфраструктура и специфический ИИ NVIDIA

Вклад NVIDIA выходит за рамки сырой вычислительной мощности. Компания предоставляет полноценную платформу ИИ, адаптированную для приложений в области жизни и науки, включая BioNeMo для обучения моделей, специфичных для области, Nemotron модели для продвинутого рассуждения и NIM микросервисы для масштабируемой развертываемости.

Эта инфраструктура позволяет выполнять симуляции и вывод в реальном времени в масштабе, сохраняя при этом уровень надежности, необходимый в регулируемых средах здравоохранения. Она также позволяет выводам ИИ быть встроенными непосредственно в корпоративные системы, делая их действенными, а не чисто экспериментальными.

Закрытие разрыва между экспериментами ИИ и производством

Повторяющаяся проблема в внедрении ИИ в корпоративной среде заключается в разрыве между пилотными проектами и реальным развертыванием. Многие организации успешно экспериментируют с моделями ИИ, но испытывают трудности при интеграции их в критически важные рабочие процессы.

Это сотрудничество ставит rõкий акцент на закрытии этого разрыва путем проектирования систем, готовых к производству с самого начала. Цель состоит в том, чтобы встроить ИИ непосредственно в исследовательские процессы, обеспечивая, чтобы симуляции и выводы могли сразу же влиять на лабораторную работу в реальном мире.

Что это означает для будущего разработки лекарств

Более широкое значение этого партнерства заключается в сдвиге в сторону гибридных моделей открытия, где цифровая симуляция и физические эксперименты работают вместе, а не на отдельных этапах. Исследования на ранней стадии могут стать значительно быстрее, поскольку симуляции заменяют большую часть первоначальной лабораторной работы, позволяя командам тестировать и совершенствовать идеи с гораздо большей скоростью.

Сокращение количества неудачных экспериментов может привести к снижению затрат и улучшению эффективности всей цепочки разработки. В то же время возможность быстро итерировать молекулярные конструкции открывает двери для более целевых и персонализированных методов лечения.

Более фундаментально, это отражает более глубокую трансформацию в том, как проводится научное исследование. ИИ больше не является просто вспомогательным инструментом, но начинает формировать саму структуру открытий. По мере улучшения точности симуляций и увеличения возможностей агентных систем граница между компьютерным моделированием и реальными экспериментами продолжает стираться, указывая на будущее, где большая часть раннего научного процесса происходит в silico, прежде чем попасть в лабораторию.