프레임워크, 애플리케이션, 생성형 AI 솔루션, 사전 훈련된 모델의 컬렉션인 NVIDIA Clara™ for BioPharma로 신약 개발을 가속화하세요.
획기적인 약물 식별을 가속화하고 표적 및 화합물 선택 정확도를 향상합니다.
AI 혁신에 발맞추고 조직 내에서 성과를 달성합니다.
개발자 생산성을 향상하고 결과 도출 시간을 단축합니다.
신약 개발의 워크플로우는 화학 세계 탐색과 단백질 구조 예측에서 약물 후보 스캔, 분자 시뮬레이션에 이르기까지 다양합니다. NVIDIA NGC™ 카탈로그에서 사용할 수 있는 강력한 클라우드 API와 도구를 사용하여 중요한 연구 분야에서 혁신을 주도하세요.
기초 모델은 단백질 시퀀스의 문법 및 구문과 같이 훈련되는 기본 데이터를 이해합니다. 학습을 마치면 이러한 규칙을 활용하여 입력 시퀀스를 예측에 사용 가능한 숫자 행렬로 표현할 수 있습니다. 기초 모델은 단백질 구조 또는 기능의 예측과 같은 특정 작업에 집중하도록 작업을 추가로 조정할 수 있습니다.
분자 생성형 모델은 화학 공간을 인코딩하여 연구원들이 원하는 특성을 가진 분자 검색을 최적화할 수 있도록 합니다. 분자 도킹 모델과 결합하고 단백질 구조 예측 모델의 3D 구조 정보를 활용하면 엔드 투 엔드 소분자 가상 스크리닝이 가능해집니다.
단일 입자 극저온-EM은 원자에 가까운 해상도로 대형 분자 구조를 결정하는 인기 있는 실험 기술입니다. 극저온-EM은 구조 생물학에서 인기가 있는데, 그 이유는 거대 분자를 기본 조건에 가깝게 이미징할 수 있기 때문입니다. 극저온-EM은 분자 구조와 질병 메커니즘에 대한 인사이트를 제공하여 신약 개발에 혁명을 일으켰습니다. 예를 들어 물체 감지를 위한 ML 방법은 극저온-EM 구조 해석 프로세스를 가속화합니다.
BioNeMo는 NeMo™ 프레임워크에 구축된 슈퍼컴퓨팅 플랫폼으로, 생체 분자 LLM을 훈련 및 추론하고 과학자들이 후보 치료제를 빠르게 식별할 수 있도록 지원합니다. 여기에는 단백질 및 소분자 특성(ESM-1, ESM-2, MegaMolBART, MoFlow), 단백질 생성(ProtGPT2), 포즈 예측(DiffDock) 및 3D 단백질 구조 예측(OpenFold, AphaFold2, ESMFold)을 위한 AI 모델이 포함되어 있습니다.
GROMACS는 단백질, 핵산 및 지질과 같은 생체 분자의 분자 역학 시뮬레이션을 위해 설계된 오픈 소스 소프트웨어 패키지입니다. 분자 수준에서 생물학적 시스템에 대한 이해를 발전시키는 데 중요한 역할을 합니다.
AutoDock은 구조 기반으로 신약을 개발하고 생체 분자 구조의 기본 메커니즘을 탐색하기 위한 컴퓨팅 도킹 및 가상 스크리닝 방법의 컬렉션으로, 점점 더 성장하고 있습니다.
이미지: Veronica Falconieri 및 Sriram Subramaniam, 국립 암 연구소에서 공개 도메인으로 라이선스 부여
RELION과 같은 딥 러닝 기반 접근법은 단백질 구조를 확인할 수 있는 극저온 전자 현미경 기술(cryo-EM)의 고처리량 자동화를 지원합니다. RELION은 극저온-EM을 분석하여 하나 또는 복수의 3D 재구성과 2D 클래스 평균을 개선하기 위한 경험적 베이지안 접근 방식을 구현합니다.
원자 디테일로 단백질 구조를 이해하기 위해 MELD와 같은 도구를 사용하여 희소하거나, 모호하거나, 노이즈가 많은 데이터로부터 구조를 추론할 수 있습니다. MELD는 물리효과 기반의 베이지안 프레임워크에서 데이터를 활용하여 단백질 구조 확인 과정을 개선합니다.
이미지 제공: Evozyne
신약 개발을 위해 생성형 AI를 단순화, 가속화 및 확장하는 관리형 서비스, 소프트웨어 애플리케이션 프레임워크, 레퍼런스 AI 워크플로우로 구성된 플랫폼인 NVIDIA BioNeMo에 대해 자세히 알아보기
생성형 AI를 통한 생물의약품 발견 및 개발 향상
더 높은 정확도로 새로운 화학 공간을 탐구하는 신약 개발 플랫폼
단백질 구조 발견 가속화
헬스케어 및 생명 과학 분야를 위한 더 빠른 인사이트 제공
NVIDIA 개인정보보호정책