借助 NVIDIA Clara™ for Biopharma (包含一系列框架、应用、生成式 AI 解决方案和预训练模型) 加速药物研发。
加速突破性药物的识别并提高靶点和化合物选择的准确性。
紧跟 AI 创新步伐，推动在组织内取得成果。
提高开发者工作效率，并加快取得成果的速度。
从探索化学领域和预测蛋白质结构，到扫描候选药物和模拟分子，药物研发跨越许多工作流程。借助 NVIDIA NGC™ 目录中提供的强大云 API 和工具，推动这些关键研究领域取得突破。
NVIDIA® BioNeMo™ 中的虚拟筛选工作流利用 NVIDIA NIM™ 微服务中打包的先进的 AI 模型来筛选和优化针对蛋白质靶标的小分子，从而加速药物发现。工作流程从 AlphaFold2 开始，它可以高精度地预测目标蛋白质的 3D 结构。然后将初始小分子传递给 MolMIM，然后使用 MolMIM 生成各种小分子，以探索化学空间以识别潜在的结合剂。这些小分子由 Oracle 模型评估，该模型根据预测的结合亲和力和其他关键特性对它们进行评分。最后，使用 DiffDock 来改进相互作用，预测最佳结合姿势并增强结合配置。这种集成的工作流程简化了有前景的类药物分子的识别和优化，大大减少了与传统药物发现方法相关的时间和成本。
NVIDIA BioNeMo 中的蛋白质结合剂设计工作流利用 NIM 中打包的 AI 模型来设计优化的蛋白质序列和结构。在工作流中，首先用户将氨基酸序列传递给 AlphaFold2，AlphaFold2 会预测目标蛋白质的初始 3D 结构。然后使用 RfDiffusion 细化和优化此结构信息，RfDiffusion 会探索各种构象以确定最有利的结合配置。接下来，ProteinMPNN 根据 RfDiffusion 生成的构象信息生成和优化氨基酸序列，确保它们表现出有效结合所需的生化特性。最后，使用 AlphaFold-Multimer 来验证所得蛋白质复合物的相互作用和稳定性。这种集成方法可以精确高效地设计蛋白质结合剂，促进治疗性蛋白质开发和其他生物医学应用的进步。
NVIDIA BioNeMo™ 是一个超级计算平台，基于 NVIDIA NeMo™ 框架构建，用于训练和推理生物分子大型语言模型 (LLM)，并帮助科学家快速确定候选疗法。它包含用于预测蛋白质和小分子特性 (ESM-1、ESM-2、MegaMolBART、MoFlow)、蛋白质生成 (ProtGPT2)、分子对接 (DiffDock) 和 3D 蛋白质结构预测 (OpenFold、AphaFold2、ESMFold) 的 AI 模型。
NVIDIA BioNeMo™ 是一个超级计算平台，基于 NVIDIA NeMo™ 框架构建，用于训练和推理生物分子大型语言模型 (LLM)，并帮助科学家快速确定候选疗法。它包含用于预测蛋白质和小分子特性 (ESM-1、ESM-2、MegaMolBART、MoFlow)、蛋白质生成 (ProtGPT2)、姿态预测 (DiffDock) 和 3D 蛋白质结构预测 (OpenFold、AphaFold2、ESMFold) 的 AI 模型。
GROMACS 是一款开源软件包，专为生物分子(如蛋白质、核酸和脂类)的分子动力学模拟而设计。它在推动我们从分子层面了解生物系统方面发挥着关键作用。
AutoDock 是越来越多的计算对接和虚拟筛选方法的集合，用于基于结构的药物研发和生物分子结构基本机制的探索。
图片由 Veronica Falconieri 和 Sriram Subramaniam 提供，获得美国国家癌症研究所 (National Cancer Institute) 公有领域的许可
RELION 等基于深度学习的方法正在为用于蛋白质结构确定的低温电子显微镜的高吞吐量自动化提供支持。RELION 实施了一种经验贝叶斯方法来分析低温电子显微镜，以优化单个或多个 3D 重建以及 2D 分类平均值。
要了解具有原子细节的蛋白质结构，可以使用 MELD 等工具从稀疏、或杂的数据中推断结构。MELD 利用基于物理的贝叶斯框架中的数据来改进蛋白质结构的确定。
Image courtesy of Evozyne
详细了解 NVIDIA BioNeMo，这是一个由托管服务、软件应用框架和参考 AI 工作流组成的平台，可简化、加速和扩展用于药物研发的生成式 AI。
使用生成式 AI 增强生物制剂的发现和开发
药物研发平台以更高的准确性探索创新化学领域
加速蛋白质结构发现
为医疗健康和生命科学领域提供更快的见解
NVIDIA 隐私政策