NVIDIA Clara™ Discovery 是一系列可用於研發運算藥物的 GPU 加速的和優化架構、工具、應用程式和預先訓練的模型。Clara Discovery 是專為支援跨界工作流程而打造,可協助科學家和研究人員加速藥物上市速度,開啟全新的疾病機制研究可能性。
採用 GPU 的深度學習演算法和轉換器模型可加速藥物研發的每個階段。從訓練瞭解化學空間的大型語言模型 (LLM),到分子動力學模擬、蛋白質結構預測和產生藥物設計,全新的深度學習技術正在改變科學家探索日益擴大的化學世界的方式。
Credit: Mahendra awale, CC BY-SA 3.0 https://creativecommons.org/licenses/by-sa/3.0 , via Wikimedia Commons
BioNemo 是在 GTC 上宣佈的應用程式框架和雲端服務,它以 NVIDIA NeMo Megatron 為基礎,且可用於訓練和部署超級運算規模的大型生物分子轉換器人工智慧模型。BioNeMo 配備預先訓練的大型語言模型,且是專為蛋白質、DNA 和簡化的分子輸入入門系統(SMILES) 語言量身打造。
MegaMoIBART 是大型化學語言模型的訓練框架,能以高有效性和獨特性,在人工智慧超級運算規模中產生分子。
藥物研發涵蓋許多工作流程,從探索化學世界、預測蛋白質結構,到掃描候選藥物和模擬分子。利用 NVIDIA NGC™ 目錄 中提供的 Clara Discovery 強大工具,推動這些領域的突破。
以轉換器為基礎的大型語言模型,為即時探索化學世界創造全新可能性。BioNeMo 是一個特定領域的框架,可在 NeMo Megatron 上以超級運算規模訓練和部署生物分子 LLM。它包含 MegaMolBART、ESM-1b 和 ProtT5 的轉換器模型。
MegaMolBART是一種以 14 億個分子 (SMILES 字串) 訓練的生成化學模型,可用於藥物研發中的各種化學資訊應用程式。例如,反應預測、分子優化,以及產生小分子的去 novo 分子。
已證明 ProtT5 和 ESM-1b 等非監督式預先訓練可用於產生具有屬性的學習內嵌,以預測蛋白質結構、函數、細胞位置、水溶性、膜邊界、保存和變數區域等。
RELION 等深度學習方法正在推動低溫電子顯微鏡 (cryo-EM) 的高輸送量自動化,此可決定蛋白質結構。RELION 採用經驗型的貝葉斯方法來分析冷凍電子顯微鏡,以改善單一或多個 3D 重建以及 2D 類別平均值。
為瞭解具有原子細節的蛋白質結構,MELD 等工具可用於從稀疏、模糊或雜訊資料推論結構。MELD 利用以物理為基礎的貝葉斯框架中的資料來提升蛋白質結構的判斷。
影像來源:Rommie Amaro 和加州大學聖地牙哥分校
有了人工智慧與加速運算,便可針對嚴格的蛋白質目標篩選數百萬種候選藥物。AutoDock 是一系列運算對接和虛擬篩選的方法,可用於結構型藥物研發和探索生物分子結構的基本機制。
GPU 驅動的分子動力學框架可模擬細胞的基本機制,並計算候選藥物與其預期蛋白質目標的結合程度。機器學習的潛能顯示出量子機械層級精準度、能量和力量的潛力,此正在徹底改變分子模擬。
Clara Discovery 包含各種分子模擬工具和框架,包括 GROMACS 、NAMD、Tinker-HP、VMD、TorchANI和 DeePMD-Kit。
Clara Discovery 已最佳化,可透過全球最先進的人工智慧系統 NVIDIA DGX™ A100 執行,且提供 5 petaFLOPS 的效能。DGX A100 專為所有加速的大規模運算工作負載而打造,讓研究人員能以最快的速度取得解決方案,並提供 IT 人員整合且易於部署的基礎架構,以支援新一代的藥物開發。
檢視高效能運算應用程式效能
取得 Pharma POD 白皮書
瞭解 Schrodinger 的進階運算平台
CPU 對決 GPU:NVIDIA Clara Parabricks、Relion、Autodock-GPU、NVIDIA RAPIDS、Amber、NAMD、VMD、Gromacs、NVIDIA Clara Imaging、BERT Training