Accelera la ricerca farmacologica con NVIDIA Clara™ for Biopharma, una raccolta di framework, applicazioni, soluzioni IA generativa e modelli pre-addestrati.
Accelera l'identificazione dei farmaci e migliora l'accuratezza della selezione di target e composti.
La soluzione all'avanguardia e al passo con l'innovazione IA permette di raggiungere risultati aziendali ottimali.
Migliora la produttività degli sviluppatori e accelera i tempi di realizzazione
La ricerca farmacologica abbraccia molti flussi di lavoro, dall'esplorazione dell'universo chimico alla previsione delle strutture proteiche, alla scansione dei farmaci candidati e alla simulazione delle molecole. Guida le innovazioni all'avanguardia in queste aree di ricerca critiche con i potenti strumenti e API cloud disponibili nel catalogo NVIDIA NGC™.
I modelli di base sono in grado di comprendere i dati sottostanti su cui vengono addestrati, come la grammatica e la sintassi delle sequenze proteiche. Una volta imparate le regole, possono sfruttarle per rappresentare sequenze di input come matrici numeriche da utilizzare per le previsioni. I modelli di base possono essere ulteriormente calibrati per concentrarsi su attività particolari, come la previsione della struttura o della funzione delle proteine.
I modelli generativi molecolari codificano lo spazio chimico consentendo ai ricercatori di ottimizzare la ricerca di molecole con le proprietà necessarie. Insieme a un modello di docking molecolare e sfruttando le informazioni strutturali 3D dai modelli di previsione della struttura proteica, è possibile eseguire uno screening virtuale completo di piccole molecole.
La Cryo-EM a particella singola è una tecnica sperimentale molto diffusa per determinare strutture molecolari di grandi dimensioni con una risoluzione quasi atomica. La Cryo-EM è molto diffusa nella biologia strutturale perché le macromolecole possono essere acquisite in condizioni quasi native. La Cryo-EM ha rivoluzionato la ricerca farmacologica fornendo informazioni sulla struttura molecolare e sui meccanismi delle malattie. I metodi ML per il rilevamento di oggetti, ad esempio, accelerano il processo di delucidazione della struttura Cryo-EM.
BioNeMo è una piattaforma di supercomputing basata sul framework NeMo™ per il training e l'inferenza di LLM biomolecolari e per aiutare gli scienziati a identificare rapidamente le terapie candidate. Contiene modelli IA per prevedere le proprietà di proteine e piccole molecole (ESM-1, ESM-2, MegaMolBART, MoFlow), la generazione di proteine (ProtGPT2), la previsione della posa (DiffDock) e la previsione della struttura proteica 3D (OpenFold, AphaFold2, ESMFold).
GROMACS è un pacchetto software open source progettato per simulazioni di dinamica molecolare di biomolecole, come proteine, acidi nucleici e lipidi. Svolge un ruolo fondamentale nel migliorare la nostra comprensione dei sistemi biologici a livello molecolare.
AutoDock è una crescente raccolta di metodi per il docking computazionale e lo screening virtuale per l'uso nella ricerca farmacologica basata sulla struttura e l'esplorazione dei meccanismi biomolecolari di base.
Immagine di Veronica Falconieri e Sriram Subramaniam, concessa in licenza dal National Cancer Institute e di pubblico dominio
Gli approcci basati su deep learning come RELION stanno alimentando l'automazione ad alta produttività della microscopia elettronica criogenica (cryo-EM) per la determinazione della struttura proteica. RELION implementa un approccio bayesiano empirico per l'analisi della cryo-EM per perfezionare ricostruzioni 3D singole o multiple e medie di classe 2D.
Per comprendere le strutture proteiche con dettagli atomistici, strumenti come MELD possono essere utilizzati per dedurre strutture da dati sparsi, ambigui o rumorosi. MELD sfrutta i dati in un framework bayesiano basato sulla fisica per migliorare la determinazione della struttura proteica.
Immagine gentilmente concessa da Evozyne
Scopri di più su NVIDIA BioNeMo, una piattaforma composta da servizi gestiti, framework applicativi software e flussi di lavoro IA di riferimento che semplificano, accelerano e scalano l'IA generativa per la ricerca farmacologica
Uso dell'IA generativa per migliorare la ricerca e lo sviluppo di prodotti biologici
La piattaforma per la ricerca farmacologica esplora nuovi spazi chimici con maggiore precisione
Accelerare la ricerca delle strutture proteiche
Informazioni più rapide per il settore sanitario e delle bioscienze
Informativa sulla privacy NVIDIA