NVIDIA Clara™ Discovery es una colección de frameworks, herramientas, aplicaciones y modelos previamente entrenados y acelerados por GPU para el descubrimiento computacional de fármacos. Clara Discovery se diseñó para admitir workflows interdisciplinarios, ya que ayuda a los científicos e investigadores a acelerar el lanzamiento de fármacos al mercado y permite nuevas posibilidades para la investigación de mecanismos de enfermedades.
Los algoritmos de deep learning habilitados por GPU y los modelos transformer están listos para acelerar cada fase del descubrimiento de fármacos. Las nuevas técnicas de deep learning están cambiando la forma en que los científicos exploran el universo químico en constante expansión, desde el entrenamiento de grandes modelos de idiomas (LLM) que comprenden el espacio químico hasta las simulaciones de dinámica molecular, la predicción de la estructura de proteínas y el diseño generativo de fármacos.
Credit: Mahendra awale, CC BY-SA 3.0 https://creativecommons.org/licenses/by-sa/3.0 , via Wikimedia Commons
BioNemo es un framework de aplicaciones y un servicio de cloud desarrollado con NVIDIA NeMo Megatron que se anunció en GTC. Su objetivo es entrenar e implementar grandes modelos de IA de transformer biomolecular a escala de supercomputación. BioNeMo viene con modelos de grandes idiomas previamente entrenados y se adapta al lenguaje de proteínas, el ADN y el sistema simplificado de entrada de línea molecular (SMILES).
MegaMoIBART, el framework de entrenamiento para grandes modelos de lenguajes químicos, logra la generación de moléculas a escala de supercomputación de IA con alta validez y singularidad.
El descubrimiento de fármacos abarca muchos workflows, desde explorar el universo químico y predecir estructuras proteicas hasta el análisis de candidatos a fármacos y la simulación de moléculas. Impulsa avances en estas áreas con las potentes herramientas de Clara Discovery, disponible en el catálogo NVIDIA NGC™.
Los grandes modelos de idiomas basados en transformer están creando nuevas posibilidades para la exploración en tiempo real del universo químico. BioNeMo es un framework específico del dominio para entrenar e implementar LLM biomoleculares a escala de supercomputación construido con NeMo Megatron. Contiene los modelos de transformer MegaMolBART, ESM-1b y ProtT5.
MegaMolBART es un modelo de química generativa entrenado con 1,400 millones de moléculas (cadenas SMILES) y se puede utilizar para una variedad de aplicaciones de quimioterapia 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 entrenamiento previo no supervisado se puede utilizar para generar incrustaciones aprendidas que contienen propiedades para predecir la estructura de la proteína, función, ubicación celular, solubilidad del agua, vinculación de membranas, regiones conservadas y variables, y más.
Los enfoques basados en deep learning como RELION están impulsando la automatización de alto rendimiento de la microscopía electrónica criogénica (cryo-EM) para la determinación de la estructura de proteínas. RELION implementa un enfoque bayesiano empírico para el análisis de la crio-EM para refinar reconstrucciones singulares o múltiples 3D, así como los promedios de clase 2D.
Para comprender las estructuras proteicas con detalles atomistas, se pueden usar herramientas como MELD para inferir estructuras a partir de datos dispersos, ambiguos o ruidosos. MELD aprovecha los datos en un framework 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, millones de candidatos a fármacos se pueden medir contra un objetivo de proteína rígido. AutoDock es una creciente colección de métodos para el acoplamiento computacional y la detección virtual para su uso en el descubrimiento de fármacos basados en la estructura y la exploración de los mecanismos básicos de la estructura biomolecular.
Los frameworks de dinámica molecular impulsados por GPU pueden simular los mecanismos fundamentales de las células y calcular la forma en que un fármaco candidato se unirá a su objetivo proteico deseado. Los potenciales aprendidos por máquina, que muestran una promesa para la precisión cuántica a nivel mecánico, energías y fuerzas, están cambiando fundamentalmente la simulación molecular.
Clara Discovery incluye una variedad de herramientas y frameworks para la simulación molecular, incluidos GROMACS, NAMD, Tinker-HP, VMD, TorchANI y DeePMD-Kit.
Clara Discovery se optimizó para ejecutarse en NVIDIA DGX™ A100, el sistema de IA más avanzado del mundo que ofrece cinco petaFLOPS de rendimiento. DGX A100 se diseñó específicamente para todas las cargas de trabajo de computación acelerada a escala, ya que proporciona a los investigadores el tiempo de solución más rápido y a TI una infraestructura unificada y fácil de implementar para admitir la próxima generación de descubrimiento de fármacos.
Conocer el Rendimiento de las Aplicaciones HPC
Leer al Documento Técnico de POD para la Farmacología
Más Información sobre la Plataforma Computacional Avanzada de Schrodinger
CPU y GPU: NVIDIA Clara Parabricks, Relion, Autodock-GPU, NVIDIA RAPIDS, Amber, NAMD, VMD, Gromacs, NVIDIA Clara Imaging, Entrenamiento de BERT
Política de Privacidad de NVIDIA