Persistent Systems 和 NVIDIA 合作加速 AI 驱动的药物发现

Persistent Systems 宣布了一项新的合作伙伴关系，旨在与 NVIDIA (NVDA ) 合作，加速药物的发现、测试和上市。该合作伙伴关系的重点是将 Persistent 的工程专业知识与 NVIDIA 的 AI 基础设施相结合，将计算机药物发现从实验推向生产环境。

该计划的核心是解决医疗保健领域的一个长期瓶颈，即早期药物发现。这个阶段传统上是缓慢、昂贵的，并且严重依赖于物理实验室工作。通过将更多的过程转移到由 AI 驱动的高保真模拟中，两家公司旨在减少时间表，同时提高下游的成功概率。

从湿实验室到模拟驱动的发现

合作的核心组成部分是 Persistent 新开发的 生成性分子和虚拟筛选 (GenMolIVS) 解决方案。该系统基于 NVIDIA 的 BioNeMo 平台，使用训练有素的化学和生物数据的生成性 AI 模型来设计和评估潜在的药物候选者。

研究人员可以模拟分子的行为，例如结合亲和力、稳定性和化学相互作用，然后再将资源投入到物理实验中。这种方法使团队能够探索更大的设计空间，同时在早期过滤掉低概率候选者。

结果是从试错式实验转向模拟驱动的决策，其中 AI 作为第一层验证。

Agentic AI 进入药物发现工作流程

合作伙伴关系中更值得注意的方面之一是将代理 AI 系统引入发现管道。使用 NVIDIA 的 NeMo 框架和代理工具包，Persistent 正在开发可以管理和协调研究不同阶段的 AI 代理。

这些系统持续分析模拟输出，优先考虑有前途的分子候选者，并推荐下一步的实验验证。它们不仅仅作为独立工具，而是作为相互连接的决策层，使一个阶段的见解能够告知下一个阶段。这在需要同时评估多个变量的环境中创建了更动态和响应的研究工作流程。

NVIDIA 的基础设施和领域特定 AI

NVIDIA 的贡献超出了原始计算能力。该公司为生命科学应用程序提供了一个全栈 AI 平台，包括 BioNeMo 用于领域特定模型训练，Nemotron 模型用于高级推理，以及 NIM 微服务用于可扩展部署。

该基础设施使实时模拟和推理能够按规模进行，同时保持受监管的医疗保健环境所需的可靠性水平。它还允许 AI 输出直接嵌入到企业系统中，使其变得可行，而不仅仅是实验性的。

弥合 AI 实验和生产之间的差距

企业 AI 采用的一个反复出现的挑战是试点项目和实际部署之间的差距。许多组织成功地用 AI 模型进行实验，但难以将其集成到关键任务工作流程中。

该合作伙伴关系明确强调了弥合这一差距的重要性，通过设计从一开始就适合生产的系统。目标是将 AI 直接嵌入到研究管道中，确保模拟和见解可以立即影响实际的实验室工作。

这对药物开发的未来意味着什么

该合作伙伴关系的更广泛的影响是朝着混合发现模型的转变，在这种模型中，数字模拟和物理实验共同进行，而不是分离的阶段。早期研究可能会变得明显更快，因为模拟取代了大量的初始实验室工作，使团队能够以更高的速度测试和完善想法。

减少失败实验的数量有可能降低成本，同时提高整个开发管道的效率。同时，快速迭代分子设计的能力为更有针对性和个性化的治疗方法打开了大门。

更根本地，这反映了科学研究方法的更深层次的转变。AI 不再只是一个支持工具，而是开始塑造发现的结构。随着模拟的准确性提高和代理系统变得更加强大，计算模型和实际实验之间的界限继续变得模糊，指向一个未来，在那里，早期的科学过程将在实验室之前在 silico 中发生。