Accélérez la découverte de médicaments avec NVIDIA Clara™ pour la biopharmacie, qui regroupe un ensemble complet de frameworks, d’applications, de solutions d’IA générative et de modèles pré-entraînés.
Accélérez l’identification des médicaments tout en améliorant la précision de la sélection des cibles et des composés.
Innovez avec l'IA et suscitez des résultats probants au sein de votre entreprise.
Améliorez la productivité du développement et renforcez le rendement.
La découverte de médicaments est un processus éminemment complexe qui fait appel à des champs d'application allant de l'exploration de l'univers chimique à la prédiction des structures protéiques, en passant par l'analyse de médicaments candidats et la simulation de molécules. Faites des percées décisives dans ces domaines de recherche critiques grâce à la puissance remarquable des microservices et des outils NVIDIA NIM™ disponibles via le catalogue NVIDIA NGC™.
Le modèle de NVIDIA® BioNeMo™ pour le dépistage virtuel génératif met à profit des modèles d'IA de pointe intégrés aux microservices NVIDIA NIM™ pour dépister et optimiser de petites molécules vis-à-vis d'une cible protéique, accélérant ainsi le processus de découverte de médicaments. Ce modèle exploite en premier lieu AlphaFold2 pour prédire la structure 3D de la protéine-cible avec une précision élevée. Les petites molécules initiales sont ensuite transmises à MolMIM, de manière à générer diverses petites molécules pour explorer l'espace chimique afin d'identifier les liants potentiels. Ces petites molécules sont ensuite évaluées par un modèle Oracle, qui les note en fonction de l'affinité de liaison prédite et d'autres propriétés cruciales. Enfin, DiffDock est mis en œuvre pour affiner les interactions, prédire les poses de liaison optimales et améliorer les configurations de liaison. Ce modèle intégré rationalise l'identification et l'optimisation de nouvelles molécules médicamenteuses prometteuses, ce qui réduit de manière significative le temps et le coût associés aux méthodes traditionnelles de découverte de médicaments.
Parcourez le catalogue d'API de NVIDIA pour expérimenter BioNeMo avec les microservices NIM dès maintenant, ou rendez-vous sur GitHub pour commencer votre déploiement.
Le modèle de NVIDIA BioNeMo pour la conception de liants protéiques s’appuie sur les modèles d’IA intégrés aux NIM pour aider les chercheurs à concevoir des structures et des séquences protéiques optimisées. Ce modèle commence par traiter une séquence d’acides aminés via AlphaFold2, de manière à prédire la structure 3D initiale de la protéine-cible. Ces informations structurelles sont ensuite affinées et optimisées à l’aide de RfDiffusion, permettant ainsi d'expérimenter différentes conformations pour identifier les configurations de liaison les plus favorables. Ensuite, ProteinMPNN génère et optimise les séquences d’acides aminés en fonction des informations conformationnelles générées par RfDiffusion, afin de veiller à ce qu’elles présentent les propriétés biochimiques requises pour une liaison efficace. En dernier lieu, AlphaFold-Multimer est mis en œuvre pour valider les interactions et la stabilité des complexes protéiques qui en résultent. Cette approche intégrée permet une conception nettement plus précise et efficace des liants protéiques, contribuant ainsi à réaliser des avancées décisives pour le développement de protéines thérapeutiques et d'autres applications biomédicales.
Obtenez plus d’informations sur NVIDIA BioNeMo, une plateforme composée de services gérés, de frameworks d’applications logicielles et de workflows d’IA de référence qui simplifie, accélère et fait évoluer l’IA générative pour la recherche pharmaceutique.
Utilisation de l’IA générative pour accélérer le développement et la recherche de produits biologiques
Plateforme de recherche pharmaceutique qui explore de nouveaux espaces chimiques avec une précision accrue
Accélération des recherches sur la structure des protéines
Obtenez des résultats plus rapidement dans le secteur de la Santé et des sciences de la vie
Déclaration de confidentialité de NVIDIA