医疗保健与生命科学

使用 NVIDIA DGX™ Cloud 和 BioNeMo™，根据其专有数据训练大型语言模型 (LLM)，以帮助预测蛋白质的特性并开发具有增强特性的生物制剂。

培训法学硕士设计和预测蛋白质特性，加速药物发现

传统的生物制剂发现成本非常高，涉及从数万个分子中识别靶标、从数百万个分子中选择候选药物以及严格的临床测试。

为了加速生物制剂的发现，借助算力机器使用生成式人工智能模型来提出候选分子的设计，并使用预测模型来评估设计。

他们利用NVIDIA DGX Cloud和NVIDIA BioNeMo对蛋白质 LLM 进行快速训练和微调，并将训练后分析速度提高 100 倍。

为生物分子法学硕士构建和维护强大的人工智能基础设施

发现新疗法的传统过程包括四个阶段：靶点选择，识别潜在的药物靶点；主要发现和优化，识别和优化潜在的治疗方法；候选选择，选择分子进行进一步开发；以及临床开发，测试药物的安全性和有效性。这个过程漫长且成本高昂：您可以从数千到数百万种独特的抗体或其他蛋白质开始，选择数百种进行高通量筛选，最终得到一小组先导分子。安进希望开发人工智能和机器学习工具来加速筛选和优化。 

大型语言模型和生成人工智能可以分析数据并预测结果，使研究人员能够更快、更准确地开发新的生物制剂。法学硕士使用来自大量蛋白质序列数据库的数据来创建生物制剂的虚拟版本，然后可用于生成有关生物制剂的作用、其特性及其潜在副作用的假设。然而，生物制剂的某些子类对于自然界来说是新的，尤其是多特异性分子，并且数据稀疏，因此对它们进行计算机预测可能具有挑战性。

按需超级计算资源和可定制的生成人工智能模型

利用人工智能和机器学习开发了一种生成生物学工作流程，该工作流程首先是候选人必须满足的一组规范。接下来，生成人工智能模型建议新的设计，预测模型对这些设计进行评估和排名。迭代地完成此过程，直到发现满足规格的分子，其中包括与功效、安全性和可制造性相关的标准。使用这些生成模型在计算机上评估尽可能多的设计可以减轻湿实验室的负担。

“为了开发能够帮助我们生产优质生物制剂的模型，我们需要我们的平台支持一系列实验的快速预训练和微调。” “我们需要灵活地试验不同的数据和规模。使用 DGX Cloud 上的 NVIDIA BioNeMo，我们能够在多 GPU 环境中轻松执行复杂模型的分布式训练。 NVIDIA BioNeMo 和 DGX Cloud 的功能和性能正是我们所需要的，并且可以在我们需要时提供给我们。”

“DGX Cloud 的主要优势之一是非常快速的入职流程。我们能够在短短几天内从最初的登录进展到对大型模型进行预训练。 DGX Cloud 上的 BioNeMo 是一个交钥匙解决方案——我们的用户只需提供数据并通过调整一些配置文件来指定模型，BioNeMo 会处理该过程的所有其他方面。”

使用专有抗体在 DGX Cloud 上的 BioNeMo 中训练蛋白质 LLM ESM-1nv。 BioNeMo 拥有最先进的生物分子大语言和扩散模型，用于早期药物发现工作流程中的训练和推理。这包括生成蛋白质和小分子的模型、了解蛋白质和小分子的特性、预测与蛋白质结合的小分子的结合结构以及预测蛋白质的 3D 结构。