篩選 COVID-19:日本新創公司使用 AI 進行藥物發現

作者 Isha Salian

研究人員正在競相尋找治療 COVID-19 的正確藥物分子 – 但據估計,存在的潛在藥物分子的數量預估可能讓你不可思議( 1060 , 10 的 60 次方=不可思議)。

總部位於東京的新創公司 Elix , Inc.的聯合創辦人暨執行長 Shinya Yuki 說:“即使假設每秒檢查一個分子,也要花費比宇宙年齡更長的時間才能探索整個化學空間。 AI 可以有效地探索巨大的搜索空間,以解決難題,無論是在藥物發現,材料開發還是在 Go 之類的遊戲中。”

Yuki 的公司正在使用深度學習來加速藥物發現,建立神經網路來預測分子的特性,其速度要比電腦模擬快得多。為了支持 COVID-19 研究,該團隊正在使用 AI 尋找經過 FDA 批准或正在臨床試驗中的藥物,這些藥物可以重新用於治療冠狀病毒。

Yuki 說:“從頭開發新藥是一個漫長的過程,這在大流行情況下是不樂見、不想要的情況,速度至關重要,重新調整藥物用途可以幫助確定現有臨床安全記錄的候選人,從而大大減少藥物開發的時間和成本。”

Elix 最近發表了一篇有關批准的和臨床試驗階段藥物的論文,其 AI 模型將其標記為潛在的 COVID-19 治療藥物。在 Elix 的 AI 工具選擇的候選藥物中,瑞德西韋 (Remdesivir) 是一種抗病毒活性藥物,該藥物最近獲得了 FDA 新冠病毒病例的緊急使用授權。

Elix 是 NVIDIA Inception 計劃的成員,該計劃可幫助新創企業更快地進入市場, Elix 使用 NVIDIA DGX Station 對其深度學習算法進行訓練和推論。 Yuki 在 NVIDIA 針對開發人員和 AI 研究人員的 GTC Digital 線上會議的 Inception Startup Showcase中談到了該公司在AI 中用於藥物發現的工作。

Elix用於藥物發現的AI修復程式

在分子級別上,成功的藥物必須有形狀,彈性和交互作用的完美結合,才能與目標蛋白結合,例如覆蓋 SARS-CoV-2 (引起 COVID-19 的病毒)病毒外殼的棘蛋白。

導致 COVID-19 的病毒 SARS-CoV-2 的表面覆蓋有棘蛋白。圖片來源: CDC / Alissa Eckert , MSMI ; MAMS 的 Dan Higgins 。在公共領域獲得許可的圖片。

當這些棘蛋白附著在人體內的細胞上時,這個人就會感染 COVID-19 ,從而將病毒帶入細胞。有效的抗病毒藥物可能會干擾這種附著過程。例如,一種有希望的藥物分子將與棘蛋白上的受體結合,從而阻止病毒附著在人類細胞上。

為了幫助研究人員找到最合適的藥物, Elix 使用各種神經網路來迅速縮小潛在分子的範圍。這使研究人員可以在實驗室中為較小的子集保留物理測試,這些分子子集更有可能解決問題。

通過預測性 AI 模型, Yuki 的團隊可以分析候選藥物的資料庫,以推論出具有正確理化特性的特定藥物可以治療特定疾病。他們還使用生成模型,該模型從頭開始,提出有希望的分子結構 – 其中一些可能是自然界中找不到的。

那是第三個神經網路的出現,它是一個逆合成模型,可以幫助研究人員確定生成的分子是否可以在實驗室中合成。

Elix 使用多個 NVIDIA DGX Station 系統(用於資料科學開發團隊的 GPU 驅動的 AI 工作站)來加速這些神經網路的訓練和推理,使用單個 GPU 進行訓練(與 CPU 相比)可以實現高達 6 倍的加速。

Yuki 說,加速對於生成模型至關重要,否則生成神經模型需要花費一個星期或更長時間才能訓練,直到收斂為止,此時神經網路達到可能的最低錯誤率。每個 DGX Station 都有四個 NVIDIA V100 Tensor Core GPU,使 Elix 團隊能夠處理更大的 AI 模型並一次運行多個實驗。

DGX 工作站基本上是超級電腦。我們通常有多個使用者同時在同一台電腦上工作,”他說。 “我們不僅可以更快地訓練模型,還可以並行運行多達 15 個實驗。”

這家新創公司的客戶包括製藥公司,研究機構和大學。由於分子數據是製藥行業的敏感知識產權,因此大多數人選擇在自己的本地伺服器上運行 AI 模型。

除了藥物發現之外, Elix 還與輪胎和橡膠製造商普利司通( Bridgestone )和日本最大的研究機構理研 (RIKEN) 等公司合作,將 AI 用於材料科學的分子設計。該公司還針對自動駕駛和 AI 的邊緣應用開發電腦視覺模型。

在一個專案中, Yuki 的團隊與全球化工公司日本觸媒 (Nippon Shokubai) 合作,產生了一種分子,該分子可用作墨水的混合材料,同時對皮膚的刺激性較低。

在 Yuki 的 GTC Digital 閃電演講中了解有關 Elix 的更多訊息。請參閱我們的 COVID 頁面,探索其他新創公司如何使用 AI 和加速運算來對抗流行病。

取自 Chaos 的主視覺,根據創用CC授權條款(CC BY-SA 3.0)由 Wikimedia Commons 授權。