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。
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。