加速计算药物研发

NVIDIA Clara™ Discovery 集 GPU 加速及优化的框架、工具、应用和预训练模型于一体,用于计算药物研发。Clara Discovery 专为支持跨学科工作流而构建,可帮助科学家和研究人员更快地将药物投放市场,并为疾病机制研究提供新的可能性。

由深度学习和 Transformer 神经网络提供动力支持。

GPU 助力的深度学习算法和 Transformer 模型将加速药物研发的每个阶段。从训练能够理解化学空间的大型语言模型 (LLM),到分子动力学模拟、蛋白质结构预测以及生成药物设计,新型深度学习技术正在改变科学家探索不断扩展的化学领域的方式。

Transformer-based large language models work at supercomputing scale with BioNeMo.

基于 Transformer 的大型语言模型借助 BioNeMo 以超计规模开展工作。

在 GTC 大会上,我们宣布推出 BioNemo,这是一款基于 NVIDIA NeMo Megatron 构建的应用框架和云服务,用于在超级计算规模下训练和部署大型生物分子 Transformer AI 模型。BioNeMo 随附预训练的大型语言模型,专为蛋白质、DNA 和简化分子线性输入规范 (SMILES) 的语言而设计。

隆重推出 MegaMolBART

MegaMoIBART 是大型化学语言模型的训练框架,能够以高有效性和独特性实现 AI 超级计算规模的分子生成。

加速药物研发中的关键应用。

药物研发涵盖许多工作流,包括探索化学领域、预测蛋白质结构、扫描候选药物以及模拟分子。借助 NVIDIA NGC™ 目录中提供的功能强大的 Clara Discovery 工具,推动在这些领域取得突破。

化学信息学

深入了解化学信息学。

基于 Transformer 的大型语言模型正在为实时探索化学领域创造新的可能性。BioNeMo 是一种特定领域的框架,用于在超级计算规模下训练和部署基于 NeMo Megatron 的生物分子 LLM。该框架包含 Transformer 模型 MegaMolBART、ESM-1b 和 ProtT5。

MegaMolBART 是一种基于 14 亿个分子(SMILES 字符串)训练的生成式化学模型,可用于药物研发中的各种化学信息学应用,例如反应预测、分子优化和小分子的重新生成。

ProtT5 和 ESM-1b 表明,无监督式预训练可用于生成包含属性的习得嵌入,以预测蛋白质结构、功能、细胞位置、水溶性、膜结合性、保守区和可变区等。

预测蛋白质结构。

RELION 等基于深度学习的方法将推动实现低温电子显微镜 (Cryo-EM) 的高吞吐量自动化,以便测定蛋白质结构。RELION 采用经验贝叶斯方法进行低温电子显微镜分析,以优化一个或多个 3D 重建及 2D 类别平均值。

为理解蛋白质结构的原子细节,可以使用 MELD 等工具通过稀疏数据、模糊数据或噪声数据来推理结构。MELD 利用基于物理性质的贝叶斯框架中的数据来改善蛋白质结构的测定。

蛋白质结构预测
虚拟筛选

加速虚拟筛选。

通过 AI 和加速计算,可针对刚性蛋白质靶标对数百万种候选药物进行筛选。AutoDock 是一系列不断增长的用于计算对接和虚拟筛选的方法,用于基于结构的药物研发和对生物分子结构基本机制的探索。

助力分子动力学模拟。

GPU 助力的分子动力学框架可以模拟细胞的基本机制,计算候选药物与其预期蛋白质靶标的结合强度。机器学习势表明有望实现量子力级的精度、能量和力量,将从根本上改变分子模拟。

Clara Discovery 包含用于分子模拟的各种工具和框架,包括 GROMACSNAMDTinker-HPVMDTorchANIDeePMD-Kit

分子动力学

探索加速计算解决方案

经过优化,可为制药研发提供动力支持。

Clara Discovery 经过优化,可基于 NVIDIA DGX™ A100(非常先进的 AI 系统,可提供 5 petaFLOPS 的性能)运行。DGX A100 专为各种大规模加速计算工作负载而打造,可帮助研究人员更快地解决问题,并为 IT 提供统一的、易于部署的基础设施,以支持新一代药物研发。

 查看 HPC 应用性能

 查看 HPC 应用性能

 访问制药 POD 白皮书

 了解 Schrodinger 的高级计算平台

全栈加速

了解 Clara Discovery 合作伙伴。

近期的汽车新闻和博客

See All Healthcare News >

及时掌握 NVIDIA 发布的药物研发最新动态。