Beschleunigen Sie die Medikamentenentwicklung mit NVIDIA Clara™ für die Biopharmaindustrie, einer Sammlung von Frameworks, Anwendungen, generativen KI-Lösungen und vortrainierten Modellen.
Beschleunigen Sie bahnbrechende Medikamentenidentifizierung und verbessern Sie die Genauigkeit der Ziel- und Wirkstoffauswahl.
Halten Sie mit KI-Innovationen Schritt und steigern Sie die Ergebnisse in Ihrem Unternehmen.
Verbessern Sie die Produktivität von Entwicklern und beschleunigen Sie die Zeit bis zum Ergebnis
Die Medikamentenentwicklung benötigt viele Workflows – von der Erforschung des chemischen Universums über die Vorhersage von Proteinstrukturen über das Analysieren von Arzneimittelkandidaten bis hin zur Simulation von Molekülen. Fördern Sie Durchbrüche in diesen wichtigen Forschungsbereichen mit den im NVIDIA NGC™-Katalog verfügbaren leistungsstarken Cloud-APIs und -Tools.
Grundlagenmodelle verfügen über Kenntnisse der zugrunde liegenden Daten, auf denen sie trainiert werden, wie z. B. die Grammatik und die Syntax von Proteinsequenzen. Sobald sie erlernt sind, können sie diese Regeln nutzen, um Eingabesequenzen als numerische Matrizen darzustellen, die für Prognosen verwendet werden können. Die Basismodelle können außerdem aufgabenspezifisch angepasst werden, um sich auf bestimmte Aufgaben zu konzentrieren, z. B. die Vorhersage der Proteinstruktur oder -funktion.
Molekulare generative Modelle kodieren den chemischen Raum und ermöglichen es Forschern, ihre Suche nach Molekülen mit wünschenswerten Eigenschaften zu optimieren. Die Kombination mit einem molekularen Docking-Modell und der Nutzung von 3D-Strukturinformationen aus Proteinstruktur-Vorhersagemodellen ermöglicht ein virtuelles End-to-End-Screening für kleine Moleküle.
Die Ein-Teilchen-Kryo-EM ist eine beliebte experimentelle Technik zur Bestimmung großer Molekülstrukturen mit atomarer Auflösung. Cryo-EM ist in der Strukturbiologie beliebt, da sich Makromoleküle unter nahezu nativen Bedingungen abbilden lassen. Cryo-EM hat die Medikamentenentwicklung revolutioniert, indem es Einblicke in die Molekularstruktur und die Krankheitsmechanismen ermöglicht. ML-Methoden zur Objekterkennung beschleunigen beispielsweise die Cryo-EM-Strukturaufklärung.
BioNeMo ist eine Supercomputing-Plattform, die auf dem NeMo™-Framework aufbaut und das Training und die Inferenz von biomolekularen LLMs ermöglicht und Wissenschaftlern dabei hilft, Therapeutika schnell zu identifizieren. Es enthält KI-Modelle zur Vorhersage der Eigenschaften von Proteinen und kleinen Molekülen (ESM-1, ESM-2, MegaMolBART, MoFlow), der Proteingenerierung (ProtGPT2), der Posenvorhersage (DiffDock) und der 3D-Proteinstrukturvorhersage (OpenFold, AphaFold2, ESMFold).
GROMACS ist ein Open-Source-Softwarepaket, das für Molekulardynamiksimulationen von Biomolekülen wie Proteinen, Nukleinsäuren und Lipiden entwickelt wurde. Es spielt eine entscheidende Rolle bei der Weiterentwicklung unseres Verständnisses biologischer Systeme auf molekularer Ebene.
AutoDock ist eine wachsende Sammlung von Methoden für rechnergestütztes Docking und virtuelles Screening, die bei der strukturbasierten Medikamentenentwicklung und der Erforschung von grundlegenden Mechanismen der biomolekularen Struktur eingesetzt werden.
Bild von Veronica Falconieri und Sriram Subramaniam, gemeinfrei vom National Cancer Institute lizenziert
Deep-Learning-basierte Ansätze wie RELION ermöglichen die Automatisierung mit hohem Durchsatz der Kryoelektronenmikroskopie (Kryo-EM) zur Bestimmung von Proteinstrukturen. Bei RELION wird ein empirischer Bayesscher Ansatz für die Analyse von Kryo-EM implementiert, um einzelne oder mehrere 3D-Rekonstruktionen sowie 2D-Klassen-Durchschnittswert genauer zu machen.
Um Proteinstrukturen mit atomistischen Details zu verstehen, können Tools wie MELD verwendet werden, um Strukturen aus spärlichen, zweideutigen oder ungenauen Daten abzuleiten. MELD nutzt Daten in einem physikbasierten Bayesschen Framework, um die Proteinstrukturbestimmung zu verbessern.
Bild mit freundlicher Genehmigung von Evozyne
Erfahren Sie mehr über NVIDIA BioNeMo, eine Plattform, die aus Managed Services, Software-Anwendungs-Frameworks und Referenz-KI-Workflows besteht, die generative KI für die Medikamentenentwicklung vereinfachen, beschleunigen und skalieren.
Mit generativer KI die Entdeckung und Entwicklung von Biologika verbessern
Plattform für die Medikamentenentwicklung erforscht neuen Chemical Space mit größerer Genauigkeit
Beschleunigung der Proteinstrukturforschung
Schnellere Einblicke für Gesundheitswesen und Biowissenschaften
NVIDIA-Datenschutzrichtlinie