Das Screening von kleinen Molekülen in der Pharmaforschung ist mit mehreren Herausforderungen verbunden, darunter die Weite des Chemical Space, der Kosten- und Zeitaufwand für experimentelle Screenings und die Grenzen herkömmlicher Methoden zur Erforschung neuer chemischer Strukturen.
Biomolekulare generative Modelle und die Rechenleistung von GPUs durchforsten effizient den Chemical Space und erzeugen schnell verschiedene Sätze kleiner Moleküle, die auf spezifische Wirkstoffziele oder -eigenschaften zugeschnitten sind. Hierbei werden Kosten und Zeit gespart, da Wirkstoffkandidaten mit der höchsten Effektivitätswahrscheinlichkeit bevorzugt und Einblicke in die Struktur-Wirkungsbeziehungen ermöglicht werden. In Verbindung mit einem molekularen Docking-Modell und der Verwendung von 3D-Informationen aus Modellen zur Vorhersage von Proteinstrukturen beschleunigt dieser Ansatz das durchgängige virtuelle Screening kleiner Moleküle.
Mit der beschleunigten Computing- und KI-Plattform von NVIDIA für die Pharmaforschung, BioNeMo™, können Forscher und Anwendungsentwickler:
- KI-Modelle für die 3D-Proteinstrukturvorhersage, die De-novo- und die gezielte Generierung kleiner Moleküle, die Eigenschaftsvorhersage und das molekulare Docking anpassen und bereitstellen.
- Über NIM-APIs auf vortrainierte Modelle für beschleunigte Inferenz zugreifen.
- Mit höchster Flexibilität für das Experimentieren und Erstellen von generativen KI-Workflows auf Unternehmensniveau mit portablen NIM-Bereitstellungen auf einer beliebigen Cloud- oder lokalen Recheninfrastruktur arbeiten.