フレームワーク、アプリケーション、生成 AI ソリューション、学習済みモデルのコレクションである NVIDIA Clara™ for Biopharma で創薬を加速してください。
画期的な薬剤識別をより迅速に行い、標的と化合物の選択精度を向上させます。
AI の革新に遅れをとらず、組織内での成果を促進します。
生産性を向上させ、成果を出すまでの時間を短縮します。
創薬は、化学世界の探索やタンパク質構造予測から、医薬品候補のスキャンや分子シミュレーションまで、さまざまなワークフローに及びます。これら重要な研究分野におけるブレイクスルーを、 NVIDIA NGC™ カタログ に掲載のパワフルなクラウド API やツールで推進しましょう。
基礎モデルは、タンパク質配列の文法や構文など、トレーニング対象の基礎データを理解しています。学習後、これらのルールを活用し、予測に使用できる数値行列として入力系列を表すことができます。基礎モデルではさらに、タンパク質の構造や機能の予測など、特定のタスクに集中するようにタスクチューニングすることができます。
分子生成モデルは化学空間をエンコードするため、研究者は望ましい特性を持つ分子を最適な方法で探索できます。分子ドッキング モデルと組み合わせ、タンパク質構造予測モデルの 3D 構造情報を活用することで、エンドツーエンドの小分子バーチャル スクリーニングが可能になります。
単粒子クライオ電顕は、近原子分解能で大きな分子構造を決定するための一般的な実験手法です。クライオ電子顕微鏡は、巨大分子がほぼ自然な状態で画像化できるため、構造生物学で人気があります。クライオ電子顕微鏡は、分子構造と病気のメカニズムに関するインサイトを提供することで創薬に革命を起こしました。たとえば、物体検出のための ML 手法は、クライオ電子顕微鏡の構造解明プロセスを加速します。
BioNeMo は NeMo™ フレームワークをベースに開発されたスーパーコンピューティング プラットフォームです。生物分子 LLM をトレーニングおよび推論するため、科学者は治療候補を速やかに判断できます。タンパク質と小分子の特性 (ESM-1、ESM-2、MegaMolBART、MoFlow)、タンパク質生成 (ProtGPT2)、姿勢予測 (DiffDock)、3D タンパク質構造予測 (OpenFold、AphaFold2、ESMFold) を予測するための AI モデルが含まれています。
GROMACS は、タンパク質、核酸、脂質などの生体分子の分子力学シミュレーション用に設計された、オープンソースのソフトウェア パッケージです。分子レベルで生物学的システムの理解を進める上で重要な役割を果たしています。
AutoDock は、構造に基づく創薬や、生体分子構造の基本的なメカニズムの探求に使用する、ドッキング計算とバーチャル スクリーニングのための手法を集めたものです。
Veronica Falconieri と Sriram Subramaniam による画像。パブリックドメインの下、National Cancer Institute からライセンスを受けています。
RELION のようなディープラーニングベースのアプローチは、タンパク質構造の判定に使われるクライオ電子顕微鏡のハイスループット自動化に利用されています。RELION はクライオ電子顕微鏡の分析に経験に基づき実証できるベイズ手法を実装し、単一または複数の 3D 復元と 2D クラス平均化の精度を向上させることができます。
タンパク質構造を原子レベルで詳細に理解するためには、MELD のようなツールを利用し、スパース、不明瞭、あるいはノイズの多いデータから構造を推論できます。MELD は、物理学に基づくベイズ フレームワークのデータを活用し、タンパク質構造の決定を改善します。
画像提供: Evozyne
創薬のための生成 AI を簡素化、高速化、拡張する NVIDIA BioNeMo の詳細をご覧ください。NVIDIA BioNeMo はマネージド サービス、ソフトウェア アプリケーション フレームワーク、リファレンス AI ワークフローで構成されるプラットフォームです。
生成 AI を利用して生物製剤の発見と開発を強化
創薬プラットフォームが新しい化学空間を高い精度で探る
タンパク質構造の発見を加速する
ヘルスケアとライフ サイエンスのための、より迅速なインサイトの促進
NVIDIA プライバシー ポリシー