Persistent Systems và NVIDIA Hợp Tác Để Tăng Tốc Khám Phá Thuốc Bằng Trí Tuệ Nhân Tạo

Persistent Systems đã công bố một sự hợp tác mới với NVIDIA nhằm mục đích thúc đẩy cách thức khám phá, thử nghiệm và đưa thuốc ra thị trường. Sự hợp tác này tập trung vào việc kết hợp chuyên môn kỹ thuật của Persistent với cơ sở hạ tầng trí tuệ nhân tạo của NVIDIA để đẩy khám phá thuốc tính toán vượt ra ngoài thí nghiệm và vào môi trường sản xuất.

Ở cốt lõi, sáng kiến này nhắm vào một điểm nghẽn cổ chai lâu dài trong chăm sóc sức khỏe: khám phá thuốc giai đoạn đầu. Giai đoạn này truyền thống chậm, tốn kém và phụ thuộc nặng vào công việc phòng thí nghiệm vật lý. Bằng cách chuyển nhiều quá trình đó vào mô phỏng độ trung thực cao được hỗ trợ bởi trí tuệ nhân tạo, cả hai công ty đều nhằm mục đích giảm thời gian thực hiện đồng thời cải thiện khả năng thành công ở giai đoạn sau.

Từ Phòng Thí Nghiệm Vật Lý Sang Khám Phá Dựa Trên Mô Phỏng

Một thành phần trung tâm của sự hợp tác là giải pháp Generative Molecules và Virtual Screening (GenMolIVS) mới được phát triển của Persistent. Xây dựng trên nền tảng BioNeMo của NVIDIA, hệ thống này sử dụng mô hình trí tuệ nhân tạo tạo sinh được đào tạo trên dữ liệu hóa học và sinh học để thiết kế và đánh giá các ứng cử viên thuốc tiềm năng một cách kỹ thuật số.

Thay vì tổng hợp các hợp chất và thử nghiệm chúng trong phòng thí nghiệm từ đầu, các nhà nghiên cứu có thể mô phỏng hành vi phân tử như ái lực liên kết, độ ổn định và tương tác hóa học trước khi cam kết nguồn lực cho thí nghiệm vật lý. Cách tiếp cận này cho phép các nhóm khám phá không gian thiết kế lớn hơn nhiều đồng thời lọc ra các ứng cử viên có khả năng thấp ngay từ đầu quá trình.

Kết quả là một sự chuyển đổi từ thí nghiệm dựa trên thử và sai sang quyết định dựa trên mô phỏng, nơi trí tuệ nhân tạo đóng vai trò là lớp xác thực đầu tiên.

Trí Tuệ Nhân Tạo Có Chủ Động Nhập Vào Quy Trình Khám Phá Thuốc

Một trong những khía cạnh đáng chú ý của sự hợp tác là việc giới thiệu hệ thống trí tuệ nhân tạo có chủ động vào quy trình khám phá. Sử dụng khuôn khổ NeMo và bộ công cụ đại lý của NVIDIA, Persistent đang phát triển các đại lý trí tuệ nhân tạo có thể quản lý và phối hợp các giai đoạn nghiên cứu khác nhau.

Các hệ thống này liên tục phân tích đầu ra mô phỏng, ưu tiên các ứng cử viên phân tử đầy hứa hẹn và đề xuất các bước tiếp theo để xác thực thí nghiệm. Thay vì hoạt động như các công cụ biệt lập, chúng hoạt động như các lớp quyết định liên kết cho phép các thông tin từ một giai đoạn thông tin cho giai đoạn tiếp theo. Điều này tạo ra một quy trình nghiên cứu động và phản ứng hơn, đặc biệt có giá trị trong các môi trường mà nhiều biến số phải được đánh giá đồng thời.

Cơ Sở Hạ Tầng và Trí Tuệ Nhân Tạo Cụ Thể Ngành Của NVIDIA

Đóng góp của NVIDIA vượt ra ngoài sức mạnh tính toán thô. Công ty cung cấp một nền tảng trí tuệ nhân tạo đầy đủ cho các ứng dụng khoa học sự sống, bao gồm BioNeMo cho đào tạo mô hình cụ thể ngành, Nemotron cho lý luận nâng cao và NIM microservices cho triển khai có thể mở rộng.

Cơ sở hạ tầng này cho phép mô phỏng và suy luận thời gian thực với quy mô đồng thời duy trì mức độ tin cậy cần thiết trong môi trường chăm sóc sức khỏe được quy định. Nó cũng cho phép đầu ra trí tuệ nhân tạo được nhúng trực tiếp vào các hệ thống doanh nghiệp, khiến chúng trở nên có thể hành động thay vì chỉ mang tính thử nghiệm.

Đóng Gaps Giữa Thí Nghiệm Trí Tuệ Nhân Tạo và Sản Xuất

Một thử thách lặp lại trong việc áp dụng trí tuệ nhân tạo trong doanh nghiệp là khoảng cách giữa các dự án thí điểm và triển khai thực tế. Nhiều tổ chức đã thành công trong việc thí nghiệm với các mô hình trí tuệ nhân tạo nhưng gặp khó khăn trong việc tích hợp chúng vào các quy trình công việc quan trọng.

Sự hợp tác này đặt một重点 rõ ràng vào việc đóng khoảng cách đó bằng cách thiết kế các hệ thống sẵn sàng sản xuất từ đầu. Mục tiêu là nhúng trí tuệ nhân tạo trực tiếp vào các đường ống nghiên cứu, đảm bảo rằng các mô phỏng và thông tin có thể ngay lập tức ảnh hưởng đến công việc phòng thí nghiệm thực tế.

Tương Lai Của Phát Triển Thuốc

Áp dụng rộng rãi của sự hợp tác này là một sự chuyển đổi hướng tới các mô hình khám phá hỗn hợp nơi mô phỏng kỹ thuật số và thí nghiệm vật lý hoạt động cùng nhau chứ không phải ở các giai đoạn riêng biệt. Nghiên cứu giai đoạn đầu có thể trở nên nhanh hơn đáng kể khi mô phỏng thay thế một phần lớn công việc phòng thí nghiệm ban đầu, cho phép các nhóm kiểm tra và tinh chỉnh ý tưởng với tốc độ cao hơn nhiều.

Giảm số lượng thí nghiệm thất bại có khả năng giảm chi phí đồng thời cải thiện hiệu quả của toàn bộ quy trình phát triển. Đồng thời, khả năng nhanh chóng lặp lại các thiết kế phân tử mở ra cánh cửa cho các liệu pháp nhắm mục tiêu và cá nhân hóa hơn.

Cơ bản hơn, điều này phản ánh một sự chuyển đổi sâu sắc hơn về cách tiến hành nghiên cứu khoa học. Trí tuệ nhân tạo không còn chỉ là một công cụ hỗ trợ mà đang bắt đầu định hình cấu trúc của khám phá chính nó. Khi độ chính xác của mô phỏng cải thiện và các hệ thống có chủ động trở nên mạnh mẽ hơn, ranh giới giữa mô hình hóa tính toán và thí nghiệm thực tế tiếp tục mờ dần, chỉ ra một tương lai nơi phần lớn quá trình khoa học ban đầu xảy ra trong môi trường kỹ thuật số trước khi nó thậm chí đến phòng thí nghiệm.