Evozyne 使用 NVIDIA BioNeMo 生成高質量蛋白質以加速藥物設計並幫助創造更可持續的環境。 Evozyne 創造的產品可以解決治療學和可持續性方面的重大問題。 NVIDIA BioNeMo 是基於人工智能的藥物發現雲服務和框架 NVIDIA NeMo 威震天 用於在超級計算規模上訓練和部署大型生物分子變壓器 AI 模型。
Evozyne 使用 NVIDIA BioNeMo 生成高質量蛋白質以加速藥物設計並幫助創造更可持續的環境。 Evozyne 創造的產品可以解決治療學和可持續性方面的重大問題。 NVIDIA BioNeMo 是基於人工智能的藥物發現雲服務和框架 NVIDIA NeMo 威震天 用於在超級計算規模上訓練和部署大型生物分子變壓器 AI 模型。
Evozyne 使用 NVIDIA 的預訓練人工智能模型創建了兩種蛋白質。 這兩種蛋白質在醫療保健和清潔能源方面具有巨大潛力。 一個旨在治愈先天性疾病，另一個旨在消耗二氧化碳以減少全球變暖。
Evozyne 聯合創始人 Andrew Ferguson 說：
“令人非常鼓舞的是，即使在第一輪中，AI 模型也產生了與天然存在的蛋白質一樣好的合成蛋白質。 這告訴我們它正確地學習了大自然的設計規則。”
NVIDIA BioNeMo， 的一部分。 NVIDIA Clara 探索系列, 是一個框架，用於在超級計算規模上訓練和部署大型生物分子語言模型，以幫助科學家更好地了解疾病並為患者尋找治療方法。 大型語言模型 (LLM) 框架將支持化學、蛋白質、DNA 和 RNA 數據格式。
正如 AI 通過 LLM 學習理解人類語言一樣，它也在學習生物學和化學的語言。 NVIDIA BioNeMo 幫助研究人員發現生物序列的新模式和新見解，幫助他們了解生物特性或功能，甚至人類健康狀況。 初步結果表明這是一種加速藥物發現的新方法。
NVIDIA BioNeMo 還有一個雲 API 服務，支持越來越多的預訓練人工智能模型。
變革性的 AI 模型
Evozyne 使用 NVIDIA 的變壓器模型來實現 ProT5。 該模型是 Evovyne 稱為 ProT-VAE 的過程的核心。 這是一個將 BioNeMo 與充當過濾器的變分自動編碼器相結合的工作流程。
Evozyne 的 Ferguson 補充道：
“BioNeMo 確實為我們提供了支持模型訓練所需的一切，然後以非常低廉的成本使用模型運行作業——我們可以在短短幾秒鐘內生成數百萬個序列。 使用大型語言模型結合變分自動編碼器來設計蛋白質，幾年前還沒有人注意到。”
學習自然之道
NVIDIA 的 transformer 模型讀取數百萬種蛋白質中的氨基酸序列，就像學生讀書一樣。 使用神經網絡用來理解文本的相同技術，它了解了大自然如何組裝這些強大的生物學構建塊。 然後，該模型可以預測如何組裝適合 Evozyne 想要解決的功能的新蛋白質。
機器學習導航可能的蛋白質序列的天文數字，然後識別最有用的蛋白質序列。 傳統的蛋白質工程方法，稱為定向進化，使用緩慢的、命中註定的方法，通常一次只改變序列中的幾個氨基酸。 將其與 Evozyne 的方法形成對比，在 Evozyne 的方法中，蛋白質中一半或更多的氨基酸可以在一輪中被改變。 這相當於進行數百次突變。 Evozyne 計劃使用新工藝構建一系列蛋白質來對抗疾病和氣候變化。
NVIDIA 發揮了關鍵作用
Evozyne 的數據科學家 Joshua Moller 解釋說，NVIDIA“將作業擴展到多個 GPU 以加速訓練”，幫助他們每分鐘處理整個數據集。 通過將訓練大型 AI 模型的時間從幾個月縮短到一周，Ferguson 表示他們可以訓練模型，其中一些模型具有數十億個可訓練參數，否則這是不可能的。
Evozyne 對未來非常樂觀。
參與 StorageReview
電子報 | YouTube | 播客 iTunes/Spotify | Instagram | Twitter | 的TikTok | RSS訂閱
