NVIDIA Clara™ Discovery es una colección de marcos optimizados y acelerados por GPU, herramientas, aplicaciones y modelos entrenados previamente para el descubrimiento computacional de fármacos. Creado para admitir flujos de trabajo entre diversas disciplinas, Clara Discovery ayuda a científicos e investigadores a comercializar fármacos más rápido y habilita nuevas posibilidades para la investigación de mecanismos de enfermedad.
Los algoritmos de deep learning habilitados para GPU y los modelos de transformadores están preparados para acelerar cada fase del descubrimiento de fármacos. Desde el entrenamiento de grandes modelos de lenguaje (LLM) que entienden el espacio químico hasta simulaciones de dinámica molecular, predicción de la estructura de proteínas y diseño generativo de fármacos, las nuevas técnicas de deep learning están cambiando la forma en que los científicos exploran el universo químico en constante expansión.
Credit: Mahendra awale, CC BY-SA 3.0 https://creativecommons.org/licenses/by-sa/3.0 , via Wikimedia Commons
Anunciado en la GTC, BioNemo es un marco de aplicaciones y un servicio en la nube basado en NVIDIA NeMo Megatron para entrenar e implementar modelos de IA de grandes transformadores biomoleculares a escala de supercomputación. BioNeMo viene con grandes modelos de lenguaje entrenados previamente y está adaptado al lenguaje de las proteínas, el ADN y el sistema simplificado de entrada de línea de entrada molecular (SMILES).
MegaMoIBART, el marco de entrenamiento para grandes modelos de lenguaje químico, logra la generación de moléculas a escala de supercomputación de IA con gran validez y singularidad.
El descubrimiento de fármacos abarca muchos flujos de trabajo, desde la exploración del universo químico y la predicción de estructuras de proteínas hasta la exploración de candidatos de fármacos y la simulación de moléculas. Impulsa avances en estas áreas con las potentes herramientas de Clara Discovery, disponibles en el catálogo de NVIDIA NGC™.
Los grandes modelos de lenguaje basados en transformador están creando nuevas posibilidades para la exploración en tiempo real del universo químico. BioNeMo es marco específico del dominio para entrenar e implementar LLM biomoleculares a escala de supercomputación basado en NeMo Megatron. Contiene los modelos de transformador MegaMolBART, ESM-1b y ProtT5.
MegaMolBART es un modelo de química generativa entrenado en 1,4 mil millones de moléculas (cadenas SMILES) y se puede utilizar para una variedad de aplicaciones quimioinformáticas en el descubrimiento de fármacos como la predicción de reacciones, la optimización molecular y la generación de moléculas de novo para moléculas pequeñas.
ProtT5 y ESM-1b han demostrado que el preentrenamiento no supervisado se puede utilizar para generar incrustaciones aprendidas que contienen propiedades para predecir la estructura de las proteínas, la función, la ubicación celular, la solubilidad del agua, regiones de límite de la membrana, conservadas y variables, y mucho más.
Los enfoques basados en deep learning como RELION están impulsando la automatización de alto rendimiento de la microscopía de electrones criogénica (ME criogénica) para la determinación de la estructura de las proteínas. RELION implementa un enfoque bayesiano empírico para el análisis de la microscopía de electrones criogénica para el refinamiento de reconstrucciones únicas o múltiples 3D, así como promedios de clase 2D.
Para comprender las estructuras de proteínas con detalles atomísticos, se pueden utilizar herramientas como MELD para inferir estructuras a partir de datos escasos, ambiguos o con ruido. MELD aprovecha los datos en un marco bayesiano basado en la física para mejorar la determinación de la estructura de las proteínas.
Imagen cortesía de Rommie Amaro y la Universidad de California, San Diego
Con la IA y la computación acelerada, se pueden realizar análisis de millones de candidatos de fármacos contra un objetivo proteico rígido. AutoDock es una creciente colección de métodos para el acoplamiento computacional y el cribado virtual para su uso en el descubrimiento de fármacos basado en estructuras y la exploración de los mecanismos básicos de la estructura biomolecular.
Los marcos de dinámica molecular con tecnología de GPU pueden simular los mecanismos fundamentales de las células y calcular la fuerza con la que un fármaco candidato se enlazará a la proteína objetivo. Los potenciales aprendidos con máquinas, que resultan prometedores para la precisión, las energías y las fuerzas de nivel mecánico cuántico, están cambiando radicalmente la simulación molecular.
Clara Discovery incluye una variedad de herramientas y marcos de trabajo para la simulación molecular, incluidos GROMACS, NAMD, Tinker-HP, VMD, TorchANI y DeePMD-Kit.
Clara Discovery se está optimizado para ejecutarse en NVIDIA DGX™ A100, el sistema de IA más avanzado del mundo que ofrece cinco petaFLOPS de rendimiento. DGX A100, creado específicamente para cargas de trabajo de aceleración computacional a escala, ofrece a los investigadores el tiempo más reducido para soluciones y TI con el fin de lograr una infraestructura unificada y fácil de implementar que dé soporte a la próxima generación de descubrimiento de fármacos.
Ver el rendimiento de aplicaciones HPC
Llegar al informe técnico de Pharma POD
Más información sobre la plataforma computacional avanzada de Schrodinger
CPU frente a GPU: NVIDIA Clara Parabricks, Relion, Autodock-GPU, NVIDIA RAPIDS, Amber, NAMD, VMD, Gromacs, NVIDIA Clara Imaging, Entrenamiento BERT
Política de privacidad de NVIDIA