Acelere a descoberta de medicamentos com o NVIDIA Clara™ para Indústria Biofarmacêutica, uma coleção de frameworks, aplicações, soluções de IA generativa e modelos pré-treinados.
Acelere a identificação de medicamentos inovadores e melhore a precisão da seleção de alvos e compostos.
Acompanhe as inovações em IA e impulsione os resultados dentro da sua empresa.
Melhore a produtividade dos desenvolvedores e acelere a obtenção de resultados.
A descoberta de medicamentos abrange muitos workflows, desde a exploração do universo químico e previsão de estruturas proteicas até a digitalização de candidatos a medicamentos e a simulação de moléculas. Impulsione avanços nessas áreas de pesquisa críticas com as potentes APIs e ferramentas de nuvem disponíveis no catálogo NVIDIA NGC™.
O workflow de triagem virtual no NVIDIA® BioNeMo™ aproveita os modelos de IA de última geração empacotados nos microsserviços NVIDIA NIM™ para rastrear e otimizar pequenas moléculas em relação a um alvo de proteína, acelerando a descoberta de medicamentos. O workflow começa com o AlphaFold2, que prevê a estrutura 3D da proteína alvo com alta precisão. As pequenas moléculas iniciais são então passadas para o MolMIM, que é então usado para gerar diversas pequenas moléculas para explorar o espaço químico para identificar potenciais ligantes. Essas pequenas moléculas são avaliadas por um modelo Oracle, que as pontua com base na afinidade de ligação prevista e outras propriedades cruciais. Finalmente, oDiffDock é empregado para refinar as interações, prevendo as poses de ligação ideais e aprimorando as configurações de ligação. Esse workflow integrado agiliza a identificação e a otimização de moléculas promissoras semelhantes a medicamentos, reduzindo significativamente o tempo e o custo associados aos métodos tradicionais de descoberta de medicamentos.
Head to the NVIDIA API catalog to experience BioNeMo with NIM microservices now or go to GitHub to start your deployment.
O workflow Protein Binder Design no NVIDIA BioNeMo aproveita os modelos de IA empacotados em NIMs para projetar sequências e estruturas de proteínas otimizadas. O workflow começa com o usuário passando uma sequência de aminoácidos para o AlphaFold2, que prevê a estrutura 3D inicial da proteína alvo. Essas informações estruturais são então refinadas e otimizadas usando RfDiffusion, que explora várias conformações para identificar as configurações de ligação mais favoráveis. Em seguida, o ProteinMPNN gera e otimiza as sequências de aminoácidos de acordo com as informações conformacionais geradas por RfDiffusion, garantindo que elas exibam as propriedades bioquímicas necessárias para uma ligação eficaz. Finalmente, o AlphaFold-Multimer é usado para validar as interações e a estabilidade dos complexos proteicos resultantes. Essa abordagem integrada permite o design preciso e eficiente de ligantes de proteínas, facilitando os avanços no desenvolvimento de proteínas terapêuticas e outras aplicações biomédicas.
NVIDIA BioNeMo™ é uma plataforma de supercomputação, baseada no framework NVIDIA NeMo™ para treinar e inferir grandes modelos de linguagem (LLMs) biomoleculares e ajudar os cientistas a identificar rapidamente possíveis terapias. Contém modelos de IA para prever propriedades de proteínas e de moléculas pequenas (ESM-1, ESM-2, MegaMolBART, MoFlow), geração de proteínas (ProtGPT2), previsão de poses (DiffDock) e previsão de estrutura de proteínas 3D (OpenFold, AphaFold2, ESMFold).
GROMACS é um pacote de software de código aberto projetado para simulações de dinâmica molecular de biomoléculas, como proteínas, ácidos nucleicos e lipídios. Desempenha um papel crucial no avanço da nossa compreensão sobre os sistemas biológicos no nível molecular.
O AutoDock é uma coleção crescente de métodos de acoplamento computacional e triagem virtual para uso na descoberta de medicamentos baseados na estrutura e exploração dos mecanismos básicos de estrutura biomolecular.
Image by Veronica Falconieri and Sriram Subramaniam, licensed from the National Cancer Institute under public domain
Abordagens baseadas em deep learning, como o RELION, estão impulsionando a automação de alto rendimento de crio-ME para a determinação de estruturas proteicas. O RELION implementa uma abordagem bayesiana empírica para análise de crio-ME para refinar reconstruções 3D únicas ou múltiplas, bem como médias de classe 2D.
Para entender estruturas proteicas com detalhes atomísticos, ferramentas como o MELD podem ser usadas para inferir estruturas a partir de dados esparsos, ambíguos ou ruidosos. O MELD aproveita dados em um framework bayesiano baseado na física para melhorar a determinação da estrutura proteica.
Image courtesy of Evozyne
Saiba mais sobre o NVIDIA BioNeMo, uma plataforma composta por serviços gerenciados, frameworks de aplicações de software e workflows de IA de referência que simplificam, aceleram e escalam a IA generativa para a descoberta de medicamentos.
Uso da IA generativa para melhorar a descoberta e o desenvolvimento de produtos biológicos
Plataforma de descoberta de medicamentos explora novo espaço químico com maior precisão
Aceleração da descoberta de estruturas proteicas
Acelere a obtenção de insights para a área da saúde e das ciências da vida
Inscreva-se para receber notícias da área da saúde, desde lançamentos de produtos empolgantes até atualizações de notícias importantes.
Dúvidas? Nossos especialistas em saúde estão aqui para ajudá-lo!
Política de Privacidade da NVIDIA