NVIDIA Clara Discovery 助力圣地亞哥初創公司采用機器學習新技術開發新一代療法

掌握的信息越充分，預測越準確。這是位于圣地亞哥的初創公司 Entos 改革藥物設計時遵循的原則，他們采用 AI 技術將分子屬性預測的準確性加速了一千倍。

藥物研發是一個非常耗時和數據密集型過程。但是Entos 的 Orbnet 架構改變了這一點，它可以用之前 1/30 的數據來訓練具有量子準確性的分子藥物研發模型，而且尋找具有廣闊前景的醫藥化合物所需進行的實驗數量也降至之前的 1/100，這樣可以顯著減少傳統藥物研發方法的等待時間和復雜性。

該公司加入了NVIDIA 初創加速計劃（此計劃旨在助力初創公司借助 AI 、數據科學和高性能計算的進步改革各種行業），他們正在利用NVIDIA Clara Discovery推進他們的工作。NVIDIA Clara Discovery 包括一系列最先進的框架、應用程序和預訓練模型，用于深入了解數十億種潛在的藥物分子如何在人體內相互作用。

Entos 首席執行官 TomMiller 表示：“基于物理原理的方法意味著我們可以在機器學習模型中加入更多有關基礎量子力學的特質。這使我們即使使用更少的數據，也能夠做出更準確的預測。”

Entos 正在致力于發掘可以滅活與某些癌癥相關的蛋白質的藥物分子。通過將量子力學計算引入機器學習，該初創公司可以更快速地縮小與靶蛋白結合的潛在化合物的范圍。

將 AI 引入藥物研發流程

機器學習正在改變從氣候科學到藥物研發等所有科學工作的方式。現在，AI 和機器學習的結合正在引領一種新的科學研究方式，那就是將深度學習和基于物理的仿真相結合，改變藥物發現的方式。

藥物研發是一個數據密集型過程，研究人員通過算力密集型計算來模擬分子和蛋白質的相互作用，以發掘正確的療法。以往，這些形式的量子計算執行起來成本高昂，需要數周到數月的時間才能完成。

通過整合 AI 和加速計算，研究人員可以模擬藥物與蛋白質的相互作用并且達到量子準確性，從而在上述計算實驗方面從中受益。使用傳統量子力學計算方法，這些仿真需要的算力過于高昂。

Entos 在NVIDIA DGX A100 Tensor Core GPU上優化其 OrbNet 藥物研發軟件。OrbNet AI模型由 Entos 首席執行官 Tom Miller 和 NVIDIA 機器學習研究總監 Anima Anandkumar 在加州理工學院聯合開發，可實現機器人合成和高吞吐量實驗，從而加速藥物療法設計。

“OrbNet 使用了一種基于表達原子之間相互作這一領域特征的圖神經網絡。此外，我們還考慮了三維旋轉等對稱性。”Anandkumar 表示，“通過在設計中考慮這些因素，可以僅針對小分子（原子數量少于 40 個的分子）來訓練 OrbNet，并直接以較高的準確率在大型蛋白質分子上應用該模型。”通過與 NVIDIA 專家合作，Miller的科學家團隊能夠進行高吞吐量實驗，并“開啟新的大門去追求更多的成果”。

釋放共價鍵的潛力

機器學習的最新進展正在改變化學數據庫的數量和規模，助力研究人員尋找具備廣闊前景的藥物化合物。利用 AI 模型，科學家還可以用新的方式研究人體內酶的無數種化學反應。

這些先進技術相結合，有助于研究以往研究人員使用傳統方法無法研究的全新藥類。

一種前景可期的技術是創造與靶蛋白形成共價鍵的藥物分子。如果治療藥物可以僅與靶蛋白形成這些共價鍵，患者就可以使用更小的藥物劑量并且受到更少的副作用。Entos 研究人員計劃將這種方法應用于癌癥、糖尿病和囊性纖維化等疾病領域。

Entos 已與制藥、材料和化學行業的領導者建立合作伙伴關系，并且在今年 7 月籌集了 5300 萬美元，以支持以高準確性打造卓有成效的藥物療法。該公司認為，與 NVIDIA 醫療健康團隊的積極合作幫助了他們獲得豐富的技術資源并借助 NVIDIA 硬件架構優化了他們的應用。

責任編輯：haq