Evozyne使用英伟达BioNeMo创造蛋白质并加速药物发现

Evozyne 使用 NVIDIA BioNeMo 生成高质量蛋白质以加速药物设计并帮助创造更可持续的环境。Evozyne 创造的产品可以解决治疗学和可持续性方面的重大问题。NVIDIA BioNeMo 是一种基于NVIDIA NeMo Megatron的基于人工智能的药物发现云服务和框架，用于在超级计算规模上训练和部署大型生物分子变换器人工智能模型。

Evozyne 使用 NVIDIA 的预训练人工智能模型创建了两种蛋白质。这两种蛋白质在医疗保健和清洁能源方面具有巨大潜力。一个旨在治愈先天性疾病，另一个旨在消耗二氧化碳以减少全球变暖。

Evozyne 联合创始人 Andrew Ferguson 说：

“令人非常鼓舞的是，即使在第一轮中，AI 模型也产生了与天然存在的蛋白质一样好的合成蛋白质。这告诉我们它正确地学习了大自然的设计规则。”

NVIDIA BioNeMo 是 NVIDIA Clara Discovery 系列的一部分，是一个框架，用于在超级计算规模上训练和部署大型生物分子语言模型，以帮助科学家更好地了解疾病并为患者寻找治疗方法。大型语言模型 (LLM) 框架将支持化学、蛋白质、DNA 和 RNA 数据格式。

正如 AI 通过 LLM 学习理解人类语言一样，它也在学习生物学和化学的语言。NVIDIA BioNeMo 帮助研究人员发现生物序列的新模式和新见解，帮助他们了解生物特性或功能，甚至人类健康状况。初步结果表明这是一种加速药物发现的新方法。

NVIDIA BioNeMo 还有一个云 API 服务，支持越来越多的预训练人工智能模型。

Evozyne 使用 NVIDIA 的变压器模型来实现 ProT5。该模型是 Evovyne 称为 ProT-VAE 的过程的核心。这是一个将 BioNeMo 与充当过滤器的变分自动编码器相结合的工作流程。

Evozyne 的 Ferguson 补充说：

“BioNeMo 确实为我们提供了支持模型训练所需的一切，然后以非常低廉的成本使用模型运行作业——我们可以在短短几秒钟内生成数百万个序列。使用大型语言模型结合变分自动编码器来设计蛋白质，几年前还没有人注意到。”

学习自然之道

NVIDIA 的 transformer 模型读取数百万种蛋白质中的氨基酸序列，就像学生读书一样。使用神经网络用来理解文本的相同技术，它了解了大自然如何组装这些强大的生物学构建块。然后，该模型可以预测如何组装适合 Evozyne 想要解决的功能的新蛋白质。

机器学习导航可能的蛋白质序列的天文数字，然后识别最有用的蛋白质序列。传统的蛋白质工程方法，称为定向进化，使用缓慢的、命中注定的方法，通常一次只改变序列中的几个氨基酸。将其与 Evozyne 的方法形成对比，在 Evozyne 的方法中，蛋白质中一半或更多的氨基酸可以在一轮中被改变。这相当于进行数百次突变。Evozyne 计划使用新工艺构建一系列蛋白质来对抗疾病和气候变化。

NVIDIA 发挥了关键作用

Evozyne 的数据科学家 Joshua Moller 解释说，NVIDIA“将作业扩展到多个 GPU 以加速训练”，帮助他们每分钟处理整个数据集。通过将训练大型 AI 模型的时间从几个月缩短到一周，Ferguson 表示他们可以训练模型，其中一些模型具有数十亿个可训练参数，否则这是不可能的。

标签：

版权声明：本文由用户上传，如有侵权请联系删除！