NVIDIA的NIM Agent蓝图通过AI驱动的虚拟筛选改变药物发现
realtime news Aug 27, 2024 15:09
NVIDIA的NIM Agent蓝图利用生成式AI进行更快、更经济的药物发现，增强了从候选物到先导物的转换。
NVIDIA推出了其NIM Agent蓝图，这是一个基于生成式AI的虚拟筛选工具，旨在革新药物发现过程。根据NVIDIA博客，这种创新的方法有望显著减少开发救命药物的时间和成本。
NIM Agent蓝图是什么？
NIM Agent蓝图引入了一份使用NVIDIA NIM微服务的综合指南，这些是模块化的、原生云的组件，旨在加速AI模型的部署和执行。这些微服务允许研究人员将先进的AI模型集成到他们的工作流程中，优化药物发现的关键阶段，如候选物识别和先导物优化。
在药物发现中的应用
药物发现传统上包括三个关键阶段：靶标识别、候选物识别和先导物优化。NIM Agent蓝图简化了这些过程，特别关注候选物到先导物的转换。通过利用生成式AI，研究人员可以更快地设计出更好的分子，摆脱传统的固定数据库筛选。
这个蓝图的核心包含三个重要的AI模型：
- AlphaFold2：因其在蛋白质结构预测方面的突破性影响而闻名，现在被整合为NVIDIA NIM的一部分。
- MolMIM：由NVIDIA开发的一种新模型，可在优化多种特性（如高溶解度和低毒性）的同时生成分子。
- DiffDock：一个用于模拟小分子与其蛋白质靶点结合的高级工具。
这些模型被打包在NVIDIA NIM微服务中，协同工作以增强候选物到先导物的过程，使其更加高效和快速。
行业采用和未来前景
包括Schrödinger、Benchling、Dotmatics、Terray、TetraScience和Cadence Molecular Sciences（OpenEye）在内的领先计算药物发现和生物技术软件提供商已经在将NIM Agent蓝图整合到他们的平台中。这些整合旨在加快可行药物候选物的识别，从而缩短时间和减少成本。
此外，Accenture准备根据药物开发计划定制NIM Agent蓝图，在制药伙伴的输入下优化分子生成步骤。NIM微服务将很快在AWS HealthOmics上提供，简化AI与现有药物发现工作流程的整合。
用AI革新药物开发
药物发现的挑战很大，开发一种新药通常需要耗费大约26亿美元，耗时10-15年，成功率不到10%。NVIDIA的AI驱动的NIM Agent蓝图旨在降低这些成本并缩短开发时间，在1.5万亿美元的全球制药市场中占据一席之地。
通过预优化分子的理想治疗特性，该蓝图代表了从传统方法的重大转变。例如，MolMIM使用先进的功能生成优化了药物代谢动力学特性的分子，这是对以往方法的显著提升。
这种更智能的小分子设计方法提高了先导物优化成功的潜力，加快了整体药物发现过程。这一技术飞跃可能会带来更快速、更有针对性的治疗方案，解决从成本上升到人口老龄化带来的医疗挑战。
NVIDIA对支持研究人员使用最新的加速计算技术的承诺，突显了其在解决药物发现中最复杂问题中的作用。
Image source: Shutterstock