الکتروهایو » هوش مصنوعی » هوش مصنوعی مولد NVIDIA آغازگر عصر جدیدی از اکتشاف و طراحی دارو

دیدگاهتان را بنویسید لغو پاسخ

هوش مصنوعی مولد NVIDIA آغازگر عصر جدیدی از اکتشاف و طراحی دارو

زمان تخمینی مطالعه: 4 دقیقه

هوش مصنوعی مولد NVIDIA موسوم به BioNeMo ابزاری مفید برای غنی کردن اکوسیستم کشف دارو مبتنی بر رایانه است، اکنون بیش از ده‌ها مدل هوش مصنوعی مولد و خدمات ابری را ارائه می‌دهد.

انویدیا بیش از یک دهه است که برای این لحظه آماده می‌شود، متخصص حوزه یادگیری عمیق ایجاد می‌کند، پلتفرم محاسباتی ویژه مراقبت‌های بهداشتی NVIDIA Clara را ایجاد می‌کند و کار خود را با اکوسیستمی غنی از همکاران گسترش می‌دهد. مشتریان و همکاران مراقبت‌های بهداشتی در حال حاضر بیش از یک میلیارد دلار از محاسبات مبتنی بر GPU(پردازنده‌های گرافیکی) شرکت NVIDIA در هر سال به طور مستقیم و غیرمستقیم از طریق شرکای ابری مصرف می‌کنند.

در حوزه بازار اکتشاف دارو که در حدود 250 میلیارد دلار وسعت دارد، این تلاش‌ها با یک نقطه عطف مواجه می‌شوند: تیم‌های تحقیق و توسعه انویدیا اکنون می‌توانند داروها را در یک رایانه نشان دهند. تیم‌های کشف دارو با استفاده از ابزارهای نوظهور هوش مصنوعی، بلوک‌های ساختمانی بنیادی از توالی مولکولی، ساختار، عملکرد و معنا را مشاهده می‌کنند که به آن‌ها اجازه می‌دهد مولکول‌های جدیدی تولید یا طراحی کنند که احتمالاً دارای ویژگی‌های مورد نظر بازار هستند. با این قابلیت‌ها، محققان می‌توانند زمینه دقیق‌تری از کاندیداهای دارویی را برای بررسی انتخاب کنند و نیاز به آزمایش‌های فیزیکی پرهزینه و زمان‌بر را کاهش دهند.

متحول کننده این حوزه را می‌توان هوش مصنوعی مولد NVIDIA سیستم BioNeMo دانست که یک پلتفرم هوش مصنوعی مولد است و خدماتی را برای توسعه، سفارشی‌سازی و استقرار مدل‌های پایه برای کشف دارو ارائه می‌دهد. سیستم BioNeMo که توسط شرکت‌های داروسازی، فناوری و نرم‌افزار استفاده می‌شود، کلاس جدیدی از روش‌های محاسباتی را برای تحقیق و توسعه دارو ارائه می‌کند و دانشمندان را قادر می‌سازد تا هوش مصنوعی مولد را برای کاهش آزمایش‌ها و در برخی موارد جایگزین آن‌ها را به طور کامل ادغام کنند. علاوه بر توسعه، بهینه‌سازی و میزبانی مدل‌های هوش مصنوعی از طریق BioNeMo، انویدیا اکوسیستم کشف دارو به کمک رایانه را با سرمایه‌گذاری در شرکت‌های فناوری نوآورانه تقویت کرده است – مانند شرکت بیودارویی Recursion، که یکی از مدل‌های پایه خود را برای کاربران BioNeMo و بیوتکنولوژی ارائه می‌کند. و یا شرکت Terray Therapeutics که از BioNeMo برای توسعه مدل هوش مصنوعی استفاده می‌کند.

دقت در کشف دارو با هوش مصنوعی BioNeMo

BioNeMo مجموعه‌ای رو به رشد از مدل‌های هوش مصنوعی بیومولکولی از پیش آموزش‌دیده برای پیش‌بینی ساختار پروتئین، تولید توالی پروتئین، بهینه‌سازی مولکولی، شیمی مولد، پیش‌بینی اتصال و موارد دیگر را ارائه می‌کند. همچنین به شرکت‌های اکتشاف دارو به کمک رایانه امکان می‌دهد تا مدل‌های خود را از طریق APIهایی با دسترسی آسان برای استنباط و سفارشی‌سازی در دسترس مخاطبان وسیعی قرار دهند. تیم‌های کشف دارو از BioNeMo برای اختراع یا سفارشی‌سازی مدل‌های هوش مصنوعی مولد با داده‌های اختصاصی استفاده می‌کنند – و شرکت‌های نرم‌افزاری کشف دارو، تک‌بیوس‌ها و داروخانه‌های بزرگ در حال ادغام APIهای ابری BioNeMo هستند که در این ماه در نسخه بتا ، در پلتفرم‌هایی که کشف دارو به کمک رایانه را ارائه می‌کنند منتشر خواهند شد.

APIهای ابری اکنون شامل مدل‌های پایه از سه منبع می‌شوند: مدل‌هایی که توسط NVIDIA اختراع شده‌اند، مانند مدل شیمی مولد MolMIM برای تولید مولکول‌های کوچک. مدل‌های منبع باز که توسط تیم‌های تحقیقاتی جهانی راه‌اندازی شده‌اند و توسط NVIDIA مدیریت و بهینه‌سازی شده‌اند، مانند هوش مصنوعی پیش‌بینی پروتئین OpenFold. و مدل های اختصاصی توسعه یافته توسط شرکای NVIDIA، مانند Recursion’s Phenom-Beta برای جاسازی تصاویر میکروسکوپ سلولی. MolMIM مولکول‌های کوچکی را تولید می‌کند در حالی که به کاربران کنترل دقیق‌تری بر فرآیند تولید هوش مصنوعی می‌دهد. برای مثال، محققان می‌توانند مدل را برای تولید مولکول‌هایی که ساختار و خواص مشابهی با یک مولکول مرجع دارند، هدایت کنند.

الکتروهایو در خدمت مخاطبان عزیز می‌باشد. ما در تیم الکتروهایو در تلاش برای تهیه مقالات و مطالب به روز هستیم. لطفا برای مطالب و مقالات بیشتر با ما همراه باشید.

برچسب‌ها: انویدیا, کشف دارو, یادگیری ماشین

مطالب مرتبط:

داده‌های اسمی Nominal Data چیست؟

داده‌های اسمی(Nominal Data) یکی از اساسی‌ترین انواع داده‌ها در تجزیه و تحلیل داده‌ها است. شناسایی و تفسیر آن در بسیاری از زمینه‌ها از جمله آمار، علوم کامپیوتر، روانشناسی و بازاریابی ضروری است. این مقاله ویژگی‌ها، کاربردها و تفاوت‌های داده‌های اسمی

ادامه مطلب »

حاشیه‌نویسی متن در هوش مصنوعی

حاشیه‌نویسی داده به الگوریتم‌های یادگیری ماشین اجازه می‌دهد تا اطلاعات را درک و تفسیر کنند. حاشیه‌نویسی‌ها برچسب‌هایی هستند که داده‌ها را شناسایی و طبقه‌بندی می‌کنند یا قطعات مختلف اطلاعات را با یکدیگر مرتبط می‌کنند. الگوریتم‌های هوش مصنوعی از آنها به

ادامه مطلب »