Algoritmos de deep learning e modelos de transformers habilitados por GPU estão prontos para acelerar cada fase da descoberta de medicamentos. Do treinamento de grandes modelos de linguagem (LLMs - Large Language Models) que entendem o espaço químico às simulações de dinâmica molecular, previsão da estrutura proteica e design generativo de medicamentos, novas técnicas de deep learning estão mudando a maneira como os cientistas exploram o universo químico em constante expansão.
O NVIDIA Clara™ Discovery é uma coleção de frameworks, ferramentas, aplicações e modelos pré-treinados otimizados e acelerados por GPU para a descoberta computacional de medicamentos. Desenvolvido para possibilitar workflows multidisciplinares, o Clara Discovery ajuda cientistas e pesquisadores a comercializar medicamentos mais rapidamente e traz novas possibilidades de pesquisa em mecanismos de doenças.
Com tecnologia de deep learning e redes neurais transformer.
Credit: Mahendra awale, CC BY-SA 3.0 https://creativecommons.org/licenses/by-sa/3.0 , via Wikimedia Commons
Modelos de linguagem grandes baseados em transformers funcionam em escala de supercomputação com o BioNeMo.
Anunciada no GTC, o BioNemo é um framework de aplicações e serviço em cloud desenvolvido com o NVIDIA NeMo Megatron para treinamento e implantação de grandes modelos de transformer biomoleculares de AI em escala de supercomputação. O BioNeMo vem com modelos de linguagem grandes pré-treinados e é adaptado para a linguagem de proteínas, DNA e o sistema simplificado de entrada de linha de entrada molecular (SMILES - Simplified Molecular-Input Line-Entry System).
Acelere as principais aplicações na descoberta de medicamentos.
A descoberta de medicamentos abrange muitos workflows, desde a exploração do universo químico e a previsão de estruturas proteicas até a digitalização de candidatos a medicamentos e a simulação de moléculas. Impulsione avanços nessas áreas com as poderosas ferramentas do Clara Discovery, disponíveis no catálogo do NVIDIA NGC™.
Mergulhe na quimioinformática.
Grandes modelos de linguagem baseados em transformers estão criando novas possibilidades para a exploração em tempo real do universo químico. O BioNeMo é um framework específico do domínio para treinamento e implantação de LLMs biomoleculares em escala de supercomputação, desenvolvido no NeMo Megatron. Ele contém os modelos de transformers MegaMolBART, ESM-1b e ProtT5.
O MegaMolBART é um modelo de química generativa treinado com 1,4 bilhão de moléculas (strings SMILES) e pode ser usado para várias aplicações quimioinformáticas na descoberta de medicamentos, como previsão de reação, otimização molecular e geração de novas moléculas para pequenas moléculas.
O ProtT5 e o ESM-1b demonstraram que o pré-treinamento não supervisionado pode ser usado para gerar incorporações aprendidas que contêm propriedades para prever estrutura proteica, função, localização celular, solubilidade da água, limitação da membrana, conservada e regiões variáveis e muito mais.
Preveja estruturas proteicas.
Abordagens baseadas em deep learning como o RELION estão impulsionando a automação de alta taxa de transferência de crio-microscopia eletrônica (crio-ME) para determinação da estrutura proteica. 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 a MELD podem ser usadas para inferir estruturas a partir de dados esparsos, ambíguos ou barulhentos. A MELD aproveita dados em um framework bayesiano baseado na física para melhorar a determinação da estrutura proteica.
Imagem cortesia de Rommie Amaro e da Universidade da Califórnia em San Diego
Acelere a triagem virtual.
Com a AI e a computação acelerada, milhões de candidatos a medicamentos podem ser selecionados contra um alvo de proteína rígida. O AutoDock é uma coleção crescente de métodos de acoplamento computacional e triagem virtual para uso na descoberta e exploração de medicamentos baseados em estrutura dos mecanismos básicos de estrutura biomolecular.
Possibilite simulações de dinâmica molecular.
Frameworks de dinâmica molecular com tecnologia de GPU podem simular os mecanismos fundamentais das células e calcular a intensidade com que um candidato a medicamento se ligará ao alvo de proteína pretendido. Os potenciais de machine learning, que mostram promessa de precisão, energias e forças em nível mecânico-quântico, estão mudando fundamentalmente a simulação molecular.
O Clara Discovery inclui uma variedade de ferramentas e frameworks para simulação molecular, incluindo GROMACS, NAMD, Tinker-HP, VMD, TorchANI e DeePMD-Kit.
Conheça as soluções de computação acelerada
Otimizado para impulsionar a pesquisa e o desenvolvimento farmacêuticos.
O Clara Discovery é otimizado para ser executado na NVIDIA DGX™ A100, o sistema de AI mais avançado do mundo, oferecendo cinco petaFLOPS de desempenho. Desenvolvido especificamente para todas as cargas de trabalho de computação acelerada em escala, a DGX A100 oferece aos pesquisadores o tempo mais rápido para a solução e à TI uma infraestrutura unificada e fácil de implantar para dar suporte à próxima geração de descoberta de medicamentos.
Veja o Desempenho das Aplicações de HPC
Veja o Desempenho das Aplicações de HPC
Confira o White Paper do Pharma POD
Saiba mais Sobre a Plataforma Computacional Avançada da Schrodinger
Aceleração de Todo o Pacote
Conheça os parceiros do Clara Discovery.
