ระบบ Persistent และ NVIDIA ร่วมมือเพื่อเร่งการค้นพบยาโดยใช้ AI

Persistent Systems ได้ประกาศความร่วมมือใหม่กับ NVIDIA โดยมีเป้าหมายในการปรับปรุงกระบวนการค้นพบยา ทดสอบ และนำสู่ตลาด ความร่วมมือนี้มุ่งเน้นในการรวมทักษะทางวิศวกรรมของ Persistent กับโครงสร้างพื้นฐาน AI ของ NVIDIA เพื่อผลักดันการค้นพบยาเชิงคำนวณไปสู่การผลิต

แก่นกลางของโครงการคือการแก้ไขปัญหาอุปสรรคที่มีอยู่ในระบบสุขภาพ คือ การค้นพบยาที่ช้า มีค่าใช้จ่ายสูง และพึ่งพาการทดลองในห้องปฏิบัติการทางกายภาพมาก โดยการย้ายกระบวนการบางส่วนไปสู่การจำลองที่มีคุณภาพสูงโดยใช้ AI ทั้งสองบริษัทมุ่งหวังที่จะลดระยะเวลาและเพิ่มโอกาสในการสำเร็จในระยะยาว

จากห้องปฏิบัติการเป็นค้นพบโดยการจำลอง

ส่วนสำคัญของความร่วมมือคือการเปิดตัว Generative Molecules and Virtual Screening (GenMolIVS) ของ Persistent ซึ่งพัฒนาโดยใช้ BioNeMo ของ NVIDIA ระบบนี้ใช้โมเดล AI ที่ฝึกฝนจากข้อมูลทางเคมีและชีววิทยาเพื่อออกแบบและประเมินผู้สมัครยาในดิจิทัล

แทนที่จะสังเคราะห์化合物และทดสอบในห้องปฏิบัติการตั้งแต่แรก นักวิจัยสามารถจำลองพฤติกรรมของโมเลกุล เช่น การจับกัน ความเสถียร และปฏิกิริยาเคมีก่อนที่จะใช้ทรัพยากรในการทดลองทางกายภาพ วิธีการนี้ช่วยให้ทีมสามารถสำรวจพื้นที่การออกแบบที่กว้างขึ้นในขณะเดียวกันก็กรองผู้สมัครที่มีโอกาสต่ำออกไปในขั้นตอนแรก

ผลลัพธ์คือการเปลี่ยนจากการทดลองและข้อผิดพลาดไปสู่กระบวนการตัดสินใจโดยการจำลอง โดยที่ AI ทำหน้าที่เป็นชั้นการยืนยันแรก

AI ที่มีหน่วยงานเข้าสู่กระบวนการค้นพบยา

ด้านหนึ่งที่น่าสังเกตของความร่วมมือคือการนำระบบ AI ที่มีหน่วยงานเข้าสู่กระบวนการค้นพบยา โดยใช้ NeMo ของ NVIDIA และชุดเครื่องมือตัวแทน Persistent กำลังพัฒนา AI ตัวแทนเพื่อจัดการและประสานงานระหว่างขั้นตอนการวิจัย

ระบบเหล่านี้วิเคราะห์ผลลัพธ์ของการจำลองอย่างต่อเนื่อง จัดลำดับความสำคัญของโมเลกุลที่มีแนวโน้มดี และแนะนำขั้นตอนต่อไปสำหรับการยืนยันทาง实验์ ไม่ทำงานเป็นเครื่องมือที่แยกออกมา แต่ทำงานเป็นชั้นตัดสินใจที่เชื่อมต่อกัน ทำให้ข้อมูลเชิงลึกจากขั้นตอนหนึ่งสามารถแจ้งขั้นตอนถัดไปได้

โครงสร้างพื้นฐานและ AI ที่เฉพาะเจาะจงโดเมนของ NVIDIA

การมีส่วนร่วมของ NVIDIA ขยายออกไปนอกเหนือจากพลังการคำนวณที่บริสุทธิ์ บริษัทให้แพลตฟอร์ม AI ที่สมบูรณ์ซึ่งออกแบบมาเพื่อการประยุกต์ใช้ใน生命วิทยา รวมถึง BioNeMo สำหรับการฝึกโมเดลที่เฉพาะเจาะจงโดเมน Nemotron สำหรับการให้เหตุผลขั้นสูง และ NIM microservices สำหรับการใช้งานที่มีการปรับขนาด

โครงสร้างพื้นฐานนี้ทำให้สามารถจำลองและอนุมานได้ในเวลาจริงและระดับใหญ่ ในขณะเดียวกันก็รักษาความน่าเชื่อถือที่จำเป็นใน môi trườngที่มีการควบคุมของสุขภาพ

การเชื่อมช่องว่างระหว่างการทดลอง AI และการผลิต

ความท้าทายที่เกิดขึ้นซ้ำในกระบวนการนำ AI ไปใช้ในองค์กรคือช่องว่างระหว่างโครงการนำร่องและการใช้งานจริงในโลกแห่งการผลิต

ความร่วมมือนี้เน้นการออกแบบระบบที่พร้อมสำหรับการผลิตตั้งแต่แรก โดยมีเป้าหมายในการฝัง AI ลงในกระบวนการวิจัยเพื่อให้การจำลองและข้อมูลเชิงลึกสามารถส่งผลกระทบต่อการทำงานในห้องปฏิบัติการจริงได้

สิ่งที่ส่งสัญญาณสำหรับอนาคตของการพัฒนายา

ผลกระทบในวงกว้างของความร่วมมือนี้คือการเปลี่ยนแปลงไปสู่แบบจำลองการค้นพบยาแบบไฮบริด ซึ่งการจำลองดิจิทัลและทดลองทางกายภาพทำงานร่วมกัน แทนที่จะอยู่ในขั้นตอนที่แยกจากกัน

การลดจำนวนการทดลองที่ล้มเหลวสามารถลดต้นทุนและปรับปรุงประสิทธิภาพของทั้งกระบวนการได้ ในขณะเดียวกัน การสามารถสร้างและปรับปรุงการออกแบบโมเลกุลได้อย่างรวดเร็วเปิดโอกาสให้ได้รับการรักษาที่มุ่งเป้าและปรับแต่งให้เหมาะสมมากขึ้น

สิ่งนี้สะท้อนถึงการเปลี่ยนแปลงที่ลึกซึ้งยิ่งขึ้นในกระบวนการวิจัยทางวิทยาศาสตร์ AI ไม่ใช่แค่เครื่องมือที่สนับสนุน แต่เริ่มที่จะกำหนดรูปแบบการค้นพบด้วยตัวเอง เมื่อความแม่นยำของการจำลองดีขึ้นและระบบที่มีหน่วยงานมีความสามารถมากขึ้น เส้นแบ่งระหว่างการสร้างแบบจำลองเชิงคำนวณและการทดลองในโลกแห่งความเป็นจริงจะพร่ามัวมากขึ้น หมายความว่าอนาคตที่การค้นพบทางวิทยาศาสตร์ในช่วงแรกจะเกิดขึ้นใน silico ก่อนที่จะเข้าสู่ห้องปฏิบัติการ