眾所皆知藥物發現是一個耗時又得運用海量資料的過程。Entos 的 Orbnet 架構改變了這一點，將訓練達到量子精度之分子藥物發現模型所需的資料量減少了三十倍，也將找到有希望之藥物化合物所需的實驗量減少了一千倍 – 與傳統治療藥物發現方法相比，縮減了等待時間和複雜性。
該公司是 NVIDIA Inception 計畫的一員，這項計畫鎖定運用在人工智慧及資料科學領域的進步成果來推動產業變革的新創公司，而 Entos 運用 NVIDIA Clara Discovery 來推動研發腳步。NVIDIA Clara Discovery 集合了最先進的框架、應用程式和預先訓練模型，企圖更深入瞭解數十億個潛在藥物分子在人體內如何發生交互作用。
Entos 執行長 Tom Miller 說：「我們基於物理學的做法，代表我們在機器學習模型中，加入更多與底層量子力學有關的特性。這樣就算使用較少的資料，也能做出更好的預測。」
Entos 公司把心力放在找出能夠讓與某些癌症有關的蛋白質失去活性的藥物分子。這間新創公司在其機器學習工作流程中加入量子力學運算能力，可以更快地縮小與這些目標蛋白結合的潛在化合物範圍。
將人工智慧用在藥物發現作業
機器學習改變了科學家處理從氣候科學到藥物發現的方式。如今結合人工智慧與機器學習，引領出一種新的科學研究方式，混合了深度學習與基於物理原理的模擬內容，以改變發現藥物的方式。
藥物發現作業需要用到海量資料，研究人員要進行極為密集的運算，模擬分子和蛋白質進行交互作用的方式，以找出正確的治療藥物。從前這些形式的量子計算是件極為耗時的事情，需要數週到數個月才能完成。
對這些運算實驗而言，結合人工智慧與加速運算帶給他們莫大的好處，研究人員就能以量子精度模擬藥物與蛋白質的交互作用。若是以傳統的量子力學運算來進行模擬，得動用龐大的運算資源。
Entos 在 NVIDIA DGX A100 Tensor Core GPU 上最佳化該公司的 OrbNet 藥物發現軟體。由 Entos 執行長 Tom Miller 與 NVIDIA 機器學習研究部門總監 Anima Anandkumar，在加州理工學院聯合開發出的 OrbNet 人工智慧模型，能夠執行機器人合成及高通量實驗，以加快設計治療藥物的腳步。
Anandkumar 說：「OrbNet 使用基於領域特定特徵的圖形神經網路，說明了原子之間的交互作用。我們還考慮了三維旋轉等對稱性。這些設計上的考量使得我們單純使用原子數量少於 40 的小分子，便能訓練 OrbNet，並且以高精準度直接將該模型用於大的蛋白質分子。」
Miller 表示與 NVIDIA 的專家們合作，他手下的科學家團隊便能進行高通量實驗，「為我們所追求的目標打開了新的大門。」
釋放共價鍵的潛能
機器學習領域的最新發展，同樣改變了化學資料庫的大小和規模，研究人員在這些資料庫中尋找具有潛力的藥物化合物。人工智慧模型也使得科學家能夠用新的方式，研究人體內酵素無限多種的化學反應。
這些進展加總起來，研究人員便能夠研究全新一類的藥物，而這是他們使用舊方法無法做到的。
創造出與目標蛋白形成共價鍵的藥物分子，是目前一項頗有希望的技術。如果治療藥物能夠只跟目標蛋白形成共價鍵，就能開立更小劑量的藥物給患者及減少副作用。Entos 的研究人員打算把這個方法用於包括癌症、糖尿病和囊腫性纖維化在內的病症上。
Entos 與製藥、材料和化學等業界的領導者已經建立了合作關係，七月時募得 5,300 萬美元，以支持該公司發展高度精準且有意義的治療藥物。該公司視與 NVIDIA 醫療保健團隊的積極合作為一大資產，以取得技術資源與協助在 NVIDIA 硬體架構上最佳化調整其應用項目。
歡迎報名參加 NVIDIA GTC 大會，聽聽看 Entos 及其它同為 Inception 計畫成員的新創公司，在會中發表了哪些高見，線上 GTC 大會將舉行至11月11日。11月9日上午10:30（太平洋時間），歡迎收看 NVIDIA 醫療保健部門副總裁 Kimberly Powell 所舉行的醫療領域專題演講。
歡迎觀看有英文，簡中，繁中，日文與韓文多國字幕支援的NVIDIA 創辦人暨執行長黃仁勳的 GTC 大會主題演講直播及後續的重播內容，並歡迎訂閱 NVIDIA 醫療保健部門最新動態。