Evozyne har använt NVIDIA BioNeMo för att generera högkvalitativa proteiner för att påskynda läkemedelsdesign och bidra till att skapa en mer hållbar miljö. Evozyne skapar produkter som löser problem med hög effekt inom terapi och hållbarhet. NVIDIA BioNeMo är en AI-driven molntjänst och ramverk för läkemedelsupptäckt som bygger på NVIDIA NeMo Megatron för utbildning och driftsättning av stora biomolekylära transformator-AI-modeller i superdatorskala.
Evozyne har använt NVIDIA BioNeMo för att generera högkvalitativa proteiner för att påskynda läkemedelsdesign och bidra till att skapa en mer hållbar miljö. Evozyne skapar produkter som löser problem med hög effekt inom terapi och hållbarhet. NVIDIA BioNeMo är en AI-driven molntjänst och ramverk för läkemedelsupptäckt som bygger på NVIDIA NeMo Megatron för utbildning och driftsättning av stora biomolekylära transformator-AI-modeller i superdatorskala.
Evozyne skapade två proteiner med hjälp av en förtränad AI-modell från NVIDIA. De två proteinerna har betydande potential inom hälsovård och ren energi. En syftar till att bota en medfödd sjukdom, och en annan är utformad för att konsumera koldioxid för att minska den globala uppvärmningen.
Evozynes medgrundare, Andrew Ferguson, sa:
"Det har varit riktigt uppmuntrande att AI-modellen redan i denna första omgång har producerat syntetiska proteiner lika bra som naturligt förekommande. Det säger oss att den har lärt sig naturens designregler på rätt sätt."
NVIDIA BioNeMo, en del av den NVIDIA Clara Discovery-samling, är ett ramverk för att träna och distribuera stora biomolekylära språkmodeller i superdatorskala för att hjälpa forskare att bättre förstå sjukdomar och hitta terapier för patienter. Ramverket för stora språkmodeller (LLM) kommer att stödja dataformat för kemi, protein, DNA och RNA.
Precis som AI lär sig att förstå mänskliga språk med LLM, lär den sig också språken biologi och kemi. NVIDIA BioNeMo hjälper forskare att upptäcka nya mönster och insikter i biologiska sekvenser, vilket hjälper dem att ansluta till biologiska egenskaper eller funktioner och till och med människors hälsotillstånd. De första resultaten visar att detta är ett nytt sätt att påskynda upptäckten av läkemedel.
NVIDIA BioNeMo har också en moln-API-tjänst som stöder en växande lista med förtränade AI-modeller.
En transformerande AI-modell
Evozyne använde NVIDIAs transformatormodell för implementeringen av ProT5. Modellen är hjärtat i Evovynes process som kallas ProT-VAE. Det är ett arbetsflöde som kombinerar BioNeMo med en variant av autoencoder som fungerar som ett filter.
Evozynes Ferguson lade till:
"BioNeMo gav oss verkligen allt vi behövde för att stödja modellutbildning och sedan köra jobb med modellen mycket billigt - vi kunde generera miljontals sekvenser på bara några sekunder. Att använda stora språkmodeller i kombination med olika autokodare för att designa proteiner fanns inte på någons radar för bara några år sedan.”
Lär dig naturens sätt
NVIDIAs transformatormodell läser sekvenser av aminosyror i miljontals proteiner, precis som en student som läser en bok. Genom att använda samma tekniker som neurala nätverk använder för att förstå text, lärde den sig hur naturen sammanställer dessa kraftfulla byggstenar av biologi. Modellen kan sedan förutsäga hur man sätter ihop nya proteiner lämpade för funktioner som Evozyne vill ta itu med.
Maskininlärning navigerar i det astronomiska antalet möjliga proteinsekvenser och identifierar sedan de mest användbara. Den traditionella metoden för att konstruera proteiner, som kallas riktad evolution, använder en långsam, hit-or-miss-metod, som vanligtvis bara ändrar ett fåtal aminosyror i sekvens åt gången. Jämför det med Evozynes tillvägagångssätt, där hälften eller fler av aminosyrorna i ett protein kan förändras i en enda omgång. Det motsvarar att göra hundratals mutationer. Evozyne planerar att bygga en rad proteiner för att bekämpa sjukdomar och klimatförändringar med den nya processen.
NVIDIA spelade en nyckelroll
Joshua Moller, en dataforskare vid Evozyne, förklarade att NVIDIA "skalade jobb till flera GPU: er för att påskynda utbildningen", och hjälpte dem att ta sig igenom hela datamängder varje minut. Genom att minska tiden för att träna stora AI-modeller från månader till en vecka sa Ferguson att de kunde träna modeller, vissa med miljarder träningsbara parametrar, som annars skulle ha varit omöjliga.
Evozyne är mycket optimistisk om hur framtiden ser ut.
Engagera dig med StorageReview
Nyhetsbrev | Youtube | Podcast iTunes/Spotify | Instagram | Twitter | TikTok | Rssflöde
