更快设计出更优的分子：NVIDIA NIM Agent Blueprint 基于生成式 AI 的虚拟筛选技术重新定义目标分子识别-CSDN博客

本文链接：https://blog.csdn.net/ertfafrtrtrtyr/article/details/142151512

为了让基于生成式 AI 的虚拟筛选过程变得更加快速和智能，NVIDIA 发布了 NIM Agent Blueprint。

这一创新方法将减少救命药物的研发时间和成本，使患者能够更快获得关键治疗。

NIM Agent Blueprint 以生成式 AI 驱动的分子设计和预优化，代替了传统的固定数据库筛选，为药物研发过程带来了范式转变，尤其是在关键的 “苗头到先导” 过渡阶段，研究人员由此能够更快设计出更好的分子。

什么是 NIM 和 NIM Agent Blueprint？

NVIDIA NIM 微服务是能够加快 AI 模型部署和执行速度的模块化云原生组件。借助这些微服务，研究人员可以整合并扩展其工作流中的先进 AI 模型，提高复杂数据的处理速度和效率。

NIM Agent Blueprint 是一份详尽的指南，它展示了这些微服务如何优化药物研发的关键阶段，例如苗头化合物识别、先导化合物优化等。

如何使用它们？

药物研发的过程十分复杂，包含了靶标识别、苗头化合物识别和先导化合物优化这三个关键阶段。研究人员先在靶标识别阶段选择正确的生物学特性加以改造，以便用于治疗疾病，然后在苗头化合物识别阶段识别可能与该靶标结合的分子，最后在先导化合物优化阶段改进这些分子的设计，使其变得更加安全有效。

该 NVIDIA NIM Agent Blueprint 被称为“用于加速药物研发的生成式虚拟筛选”，能够更加智能、高效地识别和改进虚拟苗头化合物。

其核心是三个基本的 AI 模型，包括最近集成到 NVIDIA NIM 微服务中的 AlphaFold2。

AlphaFold2 因其为蛋白质结构预测带来的突破而闻名，该模型现作为一项 NVIDIA NIM 提供。
MolMIM 是 NVIDIA 开发的一个新模型，可在生成分子的同时，优化多种特性，例如提高溶解性、降低毒性等。
DiffDock 是一种先进的工具，可用于快速构建小分子与其蛋白质靶标相结合的模型。

这些模型一同改善了“苗头到先导”的流程，使其变得更加快速高效。

它们都被打包到 NVIDIA NIM 微服务中，这种便携式容器能够提高性能、缩短上市时间，并简化生成式 AI 模型在各种地点的部署。

NIM Agent Blueprint 将这些微服务集成到一个灵活、可扩展的生成式 AI 工作流中，推动了药物研发方式的深入转变。

凡是使用 NIM 微服务的领先计算药物研发和生物技术软件提供商，都在其计算机辅助药物研发平台中使用了 NIM Agent Blueprints，包括 Benchling、Dotmatics、Terray、TetraScience、Cadence Molecular Sciences（OpenEye）等。

这些公司集成 NIM Agent Blueprint 是为了让“苗头到先导”的流程变得更加快速、智能，以便以更少的时间和更低的成本来确定更多可行的候选药物。

全球专业服务公司埃森哲将根据药物研发项目的具体需求，通过利用制药合作伙伴的反馈意见来优化分子生成步骤，为 MolMIM NIM 提供参考，从而定制 NIM Agent Blueprint。

此外，NIM Agent Blueprint 包含的 NIM 微服务不久将在专为帮助客户编排生物分析而构建的服务——AWS HealthOmics 上提供，其中包括简化将 AI 整合到现有药物研发工作流的过程。