Accélérez la découverte de médicaments avec NVIDIA Clara™ pour la biopharmacie, qui regroupe un ensemble complet de frameworks, d’applications, de solutions d’IA générative et de modèles pré-entraînés.
Accélérez l’identification des médicaments tout en améliorant la précision de la sélection des cibles et des composés.
Innovez avec l'IA et suscitez des résultats probants au sein de votre entreprise.
Améliorez la productivité du développement et renforcez le rendement.
La recherche pharmaceutique s’applique à de nombreux workflows allant de l’exploration de l’univers chimique à la prédiction des structures protéiques, en passant par l’analyse de médicaments candidats et la simulation de molécules. Faites de nouvelles découvertes dans ces domaines critiques grâce à de puissants outils et API disponibles via le catalogue NVIDIA NGC™.
Les modèles de fondation s'appuient sur une connaissance approfondie des données sous-jacentes sur lesquelles ils sont entraînés, comme la grammaire et la syntaxe des séquences de protéines. Une fois ces règles apprises, les utilisateurs peuvent les exploiter pour représenter les séquences d’entrée sous forme de matrices numériques à des fins de prédiction. Les modèles de fondation peuvent également être optimisés pour se concentrer sur des tâches spécifiques, telles que la prédiction de la structure ou de la fonction des protéines.
Les modèles moléculaires génératifs encodent l’espace chimique, ce qui permet aux chercheurs d’optimiser la recherche de molécules possédant les propriétés recherchées. L’association d’un modèle de docking moléculaire et d’informations structurelles 3D à partir de modèles de prédiction de la structure des protéines permet un criblage virtuel de bout en bout des petites molécules.
La cryomicroscopie électronique (cryo-ME) à particule unique est une technique d'expérimentation populaire qui permet de déterminer les grandes structures moléculaires à une résolution quasi atomique. La cryo-ME est très populaire en biologie structurelle car elle permet d’imager les macromolécules dans des conditions quasi natives. La cryo-ME a révolutionné la découverte de médicaments en fournissant des informations sur la structure moléculaire et les mécanismes pathologiques. Les méthodes d’apprentissage automatique pour la détection d’objets peuvent par exemple accélérer le processus d’élucidation structurelle par cryo-ME.
BioNeMo est une plateforme de calcul intensif basée sur le framework NeMo™ pour l’entraînement et l’inférence des LLM biomoléculaires, mais aussi pour l’identification rapide de médicaments-candidats. Elle inclut des modèles d’IA pour la prédiction des propriétés des protéines et des petites molécules (ESM-1, ESM-2, MegaMolBART, MoFlow), la génération des protéines (ProtGPT2), la prédiction de pose (DiffDock) et la prédiction de la structure 3D des protéines (OpenFold, AfaFold2, ESMFold).
GROMACS est un package logiciel open-source conçu pour les simulations de dynamique moléculaire des biomolécules telles que les protéines, les acides nucléiques et les lipides. Il joue un rôle essentiel dans notre compréhension des systèmes biologiques au niveau moléculaire.
AutoDock regroupe une collection en évolution constante de méthodes de docking numérique et de criblage virtuel pour la découverte de médicaments et l’exploration des mécanismes de base de la structure biomoléculaire.
Image fournie par Veronica Falconieri et Sriram Subramaniam sous licence du National Cancer Institute et appartenant au domaine public.
Des approches basées sur le Deep Learning comme RELION permettent une automatisation à haut rendement de la cryo-microscopie électronique (cryo-ME) pour la détermination des structures protéiques. RELION met en œuvre une approche empirique bayésienne pour l’analyse de cryo-ME afin d’affiner des reconstructions 3D uniques ou multiples ainsi que des moyennes de classes 2D.
Pour comprendre les structures protéiques avec des détails atomistiques, des outils tels que MELD peuvent être utilisés afin de déduire des structures à partir de données rares, ambigües ou bruyantes. MELD exploite les données dans un framework bayésien basé sur la physique afin d’améliorer la détermination des structures protéiques.
Image fournie par Evozyne
Obtenez plus d’informations sur NVIDIA BioNeMo, une plateforme composée de services gérés, de frameworks d’applications logicielles et de workflows d’IA de référence qui simplifie, accélère et fait évoluer l’IA générative pour la recherche pharmaceutique.
Utilisation de l’IA générative pour accélérer le développement et la recherche de produits biologiques
Plateforme de recherche pharmaceutique qui explore de nouveaux espaces chimiques avec une précision accrue
Accélération des recherches sur la structure des protéines
Obtenez des résultats plus rapidement dans le secteur de la Santé et des sciences de la vie
Déclaration de confidentialité de NVIDIA