Deloitte costruisce pipeline per la scoperta di farmaci mediante l’IA generativa in pochi clic

In qualità del suo ruolo centrale di ricerca del principale fornitore di servizi di consulenza al mondo¹, il Centro per la ricerca integrata di Deloitte si dedica all'esplorazione di opportunità di trasformazione nei vari settori. Con una forte enfasi sulla sanità, il team di ricerca ha deciso di sfruttare il potenziale dell'IA nell'accelerare il processo di scoperta di farmaci. La scoperta di farmaci è un processo lungo e costoso, che richiede oltre 10-15 anni e costa, in media, oltre 1-2 miliardi di dollari per ogni nuovo farmaco in attesa di approvazione per l'uso clinico. Questi costi sono accompagnati da un tasso di fallimento del 90 percento² . Alla luce di ciò, il team di Deloitte ha riconosciuto la necessità di modelli preclinici avanzati, una rigorosa convalida degli obiettivi e strategie decisionali migliori prima di intraprendere gli studi clinici, con l'obiettivo di ridurre significativamente il tasso di fallimento dei test, migliorando in definitiva il percorso di sviluppo dei farmaci.

¹ Deloitte. Deloitte è stato nominato leader mondiale nel settore dei servizi di consulenza per ricavi nel report di Gartner® Market Share Report. Luglio 2023.

² NIH National Library of Medicine. Perché il 90% dello sviluppo di farmaci clinici fallisce e come migliorarlo? Luglio 2022.

La previsione della struttura proteica mira ad anticipare come una proteina si piegherà nella sua forma naturale, il che è cruciale per comprendere la sua funzione nel corpo e identificare potenziali bersagli per le terapie farmacologiche. Deloitte ha sviluppato Quartz Atlas AI, un acceleratore IA per la scoperta di farmaci che analizza le sequenze di amminoacidi (i mattoni delle proteine) per determinare il miglior metodo di piegatura, che può essere fornito da un modello linguistico proteico o da un metodo per lo stile di piegatura . Questo processo è in grado di generare rapidamente strutture 3D e predire come i farmaci possono legarsi a parti specifiche della proteina. Un modello di IA generativa a valle raffina ulteriormente la struttura della proteina o della molecola per individuare le regioni al suo interno con la maggiore porbabilità di interagire con i farmaci (sovrapposizione di una mappa termica di hotspot che possono essere trattati con farmaci), contribuendo al lavoro di sviluppo di farmaci.

“Per riunire dati e pipeline scientifiche, abbiamo combinato i microservizi BioNeMo di NVIDIA per la previsione ottimizzata delle strutture e i modelli di IA generativa proprietari di Deloitte, addestrati con DGX Cloud su Oracle Cloud Infrastructure”, ha affermato Ferrante. “Abbiamo creato un solido grafico di conoscenza basato sull’IA generativa con Atlas AI, caricando oltre una dozzina di set di dati, pari a 12 milioni di nodi e 97 milioni di link a edge di connessione, per un totale di 5 terabyte di volume grezzo, ricercabile in pochi secondi. Siamo in grado di alimentare questa grande quantità di dati multimodali nei nostri modelli, mappare lo spazio della soluzione, analizzare i pattern e fare previsioni. La possibilità di addestrare su set di dati estesi e scalare in modo efficiente è stata resa possibile dall'uso di DGX Cloud e dalla sua capacità di rendere facili i lavori multi-nodo. DGX Cloud su OCI ci ha fornito l'ultima architettura NVIDIA e il tessuto a bassa latenza che ha consentito la scalabilità del carico di lavoro su cluster interconnessi ottimizzati per prestazioni di picco sui carichi di lavoro più esigenti."

Deloitte utilizza i modelli NVIDIA BioNeMo, disponibili come microservizi NVIDIA NIM, tra cui AlphaFold2, OpenFold e ESMFold per la previsione della struttura proteica, insieme a MegaMolBART e MolMIM per la generazione di molecole. Mappando queste molecole nello spazio della soluzione, può trovare facilmente molecole simili con proprietà corrispondenti, come tossicità o solubilità. Questo processo meticoloso è fondamentale nella scoperta di farmaci, facilitando la selezione efficiente di potenziali candidati, la previsione accurata di sicurezza ed efficacia e l'esplorazione di diversi spazi chimici. Per ottenere ulteriori informazioni, Deloitte ha messo a punto un modello ESM2 da 15 miliardi di parametri per la previsione delle proprietà delle proteine su DGX Cloud, utilizzato da un modello a valle per generare nuove sequenze proteiche con le proprietà specifiche desiderate.

Ferrante ha commentato: “Nel campo della biologia, molti professionisti non vogliono occuparsi della complessità dell’infrastruttura e della scrittura del codice. Tuttavia, sfruttare gli strumenti e il software all’interno di DGX Cloud ha semplificato questo processo. Con pochi clic, i nostri sviluppatori possono selezionare un container e accedere a un notebook, eliminando la necessità del Secure Shell direttamente nei nodi. Consentendoci di eseguire facilmente più esperimenti rispetto alla nostra soluzione precedente con una grande visibilità sui lavori in coda, DGX Cloud ha aumentato la produttività degli sviluppatori del 50%.”

“Grazie alla scalabilità dei nostri set di dati, l'addestramento multi-nodo era cruciale. In precedenza, orchestrare l'addestramento multi-nodo era un processo manuale e non l’avevamo mai provato su una piattaforma cloud. Con DGX Cloud, l'addestramento multi-nodo ora è semplice come fare clic su un pulsante, risparmiandoci da sette a dieci mesi di lavoro sull’infrastruttura e sugli strumenti, tra cui la configurazione hardware, la creazione di container e la distribuzione del carico di lavoro. Di conseguenza, i nostri modelli non sono più limitati dalla dimensione o dalla scala dei dati e le nostre sessioni di addestramento sono state ridotte da quattro settimane a sole otto ore”.

“In precedenza, la costruzione della pipeline per la scoperta di farmaci era un procedimento laborioso, per cui era necessario un meticoloso reverse engineering e debug di ogni riga di codice, monitorando le modifiche e gestendo versioni multiple. In passato ci volevano dalle quattro alle sei settimane per assemblare una pipeline, ma ora, con pochi clic, possiamo immergerci direttamente nei progetti. Grazie alla scalabilità dei modelli di BioNeMo e alla facilità di distribuzione tramite NVIDIA NIM, le attività di ricerca e sviluppo sono diventate molto più fluide. L'ottimizzazione dei modelli di base di BioNeMo su DGX Cloud e l'implementazione di un loop di inferenza hanno ulteriormente rafforzato la robustezza della pipeline”, ha affermato Ferrante.

“Con Atlas AI, Deloitte può fornire agli utenti pipeline scientifiche per ottenere informazioni utili combinando più modelli insieme. Ad esempio, invece di piegare una molecola o calcolare una proprietà, può fornire un report completo contenente strutture piegate o proprietà, fornendo agli utenti tutte le informazioni necessarie per prendere decisioni informate sulla fattibilità di una soluzione. Può anche mostrare le relazioni tra strutture proteiche e le loro connessioni, aiutando ulteriormente nella comprensione delle interazioni molecolari complesse.”

Oltre a una piattaforma potente, il team a servizio completo di esperti di NVIDIA Enterprise Services è stato prezioso. “Abbiamo beneficiato del supporto end-to-end di NVIDIA, che va dall'assistenza alla piattaforma per la configurazione dell'addestramento multi-nodo e gli aggiornamenti dei container fino alla guida a livello di applicazioni, sfruttando la loro vasta esperienza nei framework e modelli sanitari per ottimizzare i nostri modelli IA”, ha affermato Ferrante.

“Una delle applicazioni dirette di Atlas AI è stata la capacità di utilizzare l’IA per prendere i farmaci approvati dall'FDA e progettare in silico una versione migliore e brevettabile della molecola. Ora siamo in grado di caricare tutti i farmaci brevettati e tutti quelli approvati dall'FDA. Il nostro modello addestrato ci consente di individuare potenziali composti di partenza con un legame target. Trovare farmaci attuabili è estremamente difficile a causa del vasto numero di composti potenziali e della necessità di proprietà specifiche. Sembra quasi di risolvere un problema di ottimizzazione complesso. MolMIM, parte di NVIDIA BioNeMo e disponibile come microservizio NIM, aiuta i nostri ricercatori a trovare le molecole con le proprietà ideali per lo sviluppo di farmaci massimizzando una funzione di punteggio definita dall'utente. Utilizzando MolMIM, generiamo nuovi composti, ottimizzati per vari aspetti molecolari come il legame migliorato, la permeabilità intestinale, la solubilità e l'emivita prolungata", ha aggiunto Ferrante.

Deloitte prevede di migliorare ulteriormente Atlas AI integrandola in varie applicazioni nel campo della sanità e delle scienze della vita, come la medicina di precisione e gli insight sulla voce del paziente, al fine di migliorare il coinvolgimento dei pazienti e ottimizzare i risultati medici. “Sfruttando BioNeMo e DGX Cloud, possiamo stabilire facilmente una pipeline di addestramento standardizzata per diversi domini, consentendoci di ottimizzarla senza problemi per specifiche classi proteiche o previsioni della struttura degli anticorpi,” ha detto Ferrante.