製藥業已經習慣於投資數十億美元將藥物推向市場，甚至在臨床試驗之前就只能眼睜睜地看著其中 90％ 的藥物失敗。
問題一直是，而且一直存在，世界上根本沒有足夠的運算能力可以來準確評估所有可能分子的特性，也無法支援藥物發現所需的廣泛實驗工作。
位於紐約以物理學為基礎的軟體平台開發商 Schrödinger 專精於製藥和材料行業，其技術長 Patrick Lorton 說：“與宇宙中的原子相比，潛在的藥物化合物可能更多。”
他說：“如果您觀察十億個分子，並且說這裡沒有好的藥物，那就像看著海洋中的一滴水而說魚不存在一樣。”
Schrödinger 於今年早些時候成功完成首次公開募股後，數十年來致力於改進電腦演算法以精確運算分子的重要特性。該公司使用 NVIDIA GPU 生成和評估 PB 的數據，以加快藥物發現的速度，與傳統緩慢而昂貴的實驗室工作相比，這是一巨大進步。
該公司與世界上所有 20 家最大的生物製藥公司合作，其中有幾家已在 Schrödinger 平台上標準化，作為臨床前研究的關鍵組成部分。
COVID-19 大流行凸顯了需要更有效率更有效用的藥物發現過程。為此，該公司加入了全球 COVID 研發聯盟，以提供資源並進行協作。最近，Google Cloud 也為這一聯盟提供了支持，捐贈了 1600 萬小時的 NVIDIA GPU 時間以尋求解決方案。
Lorton 說：“我們希望為 SARS-CoV-2（一種導致 COVID-19 的病毒）開發抗病毒藥物，以便及時為未來的大流行提供治療方法。”
先進的模擬軟體
製藥行業長期以來一直依靠人工密集的實作過程來尋找新的療法。Lorton 說，這使它在過去的 50 年中開發出許多重要的藥物，但是這一切倚賴費力的反複嘗試錯誤試驗方法。
他拿飛機製造商來作比較，以前是用輕木雕刻飛機設計，然後在風洞中測試了它們的風阻係數。他們現在依靠先進的模擬軟體來減少測試設計所需的時間和資源。
製藥行業傳統上使用的是輕木，但 Schrödinger 的藥物發現平台已經改變了遊戲規則。
Lorton 說：“我們正在努力提高臨床前藥物發現的效率。這將使該行業能夠治療更多的疾病並幫助更多的狀況。”
探索新空間
十多年來，每家大型製藥公司都使用 Schrödinger 的軟體，該軟體可以執行原子級的物理模擬。對於每個潛在的候選藥物，Schrödinger 使用最近開發的基於物理學的運算方法來計算多達 3,000 種可能的化合物。在高效能電腦上，這需要多達 12,000 個 GPU 小時。
對原始隨機選擇的化合物完成基於物理學的計算後，將應用主動學習層，從而預測十億個分子的可能功效。
Lorton 說，目前需要四到五次迭代才能獲得足夠準確的機器學習演算法以進行預測，儘管在實驗室合成任何分子之前，即使這些預測也總是要用基於物理學的方法進行仔細檢查。
這種基於軟體的方法可產生更快的結果，但這僅僅是價值的一部分。它還極大地擴展了分析範圍，評估了人類從未有時間處理的資料。
Lorton 說：“最引人注目的是探索新空間。不僅僅是價格便宜。它更便宜，並且可以找到您原本不會探索的東西。”
因此，Schrödinger 的工作重點是建模和模擬，並使用最新的高效能運算資源來擴展其發現功能。
拜耳驗證平台的價值
一直在使用 Schrödinger 技術的一位客戶是 Bayer AG。Schrödinger 軟體一直在幫助拜耳的科學家為多個藥物發現專案找到潛在的結構，最終為臨床開發候選者做出了貢獻。
最近，兩家公司同意共同開發一種新穎的藥物發現平台，以加快估計藥物分子與作為標靶的蛋白質或其他分子之間的結合親和力，瞭解其他特性以及小分子可合成性的過程。
拜耳尚未分享該平台已達成的任何具體結果，但是該公司電腦輔助藥物設計負責人 Alexander Hillisch 博士表示，這已經影響了多個活躍項目。
Hillisch 博士說，該軟體有望加快工作速度並有效擴大 Bayer 的藥物發現能力。因此，他認為 NVIDIA GPU 現在應該在業界獲得更多認可。
在一個典型的藥物開發專案中，Bayer 評估了分子的結合親和力和其他特性，例如吸收和代謝穩定性。他說，借助 Schrödinger 軟體和 NVIDIA GPU，“我們正在列舉數百萬至數十億種虛擬化合物，讓我們比以前更廣泛地掃描化學空間，以發現具有良好效用的新型前導化合物。”
Hillisch 博士還建議，可以立即判斷整體數位藥物發現方法的影響。他說：“我們希望知道這種科學方法在不久的將來會產生多大的影響。”
該藥物設計平台也將成為拜耳研究 COVID-19 的一部分。該公司於 2006 年將其對抗病毒研究拆解為一家獨立的公司，但最近加入了一項歐洲冠狀病毒研究計劃，以幫助確定可以提供未來治療的新化合物。
GPU 的定制任務
考慮到 Schrödinger 的任務範圍，Lorton 明確表示，NVIDIA 在為 HPC 和 AI 開發全堆疊運算平台方面取得的進展推動了效能的界限，與辛辛苦苦的演算法和科學工作一樣，對他的公司成就同樣重要。
他說：“合成並獲得藥物分子的結合親和力可能需要數千，數萬，在有些瘋狂的情況，甚至會數十萬美元。我們可以在 GPU 上花費幾美元的計算成本來做到這一點。”
Lorton 表示，如果該公司在 1990 年成立時就在單個 CPU 上開始了一項物理計算，那麼直到今天才得出結論，單個 GPU 現在可以在不到一個小時的時間內達成。
即使在 NVIDIA GPU 的運算速度方面取得了許多突破，Schrödinger 的藥物發現專案每天仍需要在內部和 Google Cloud Platform 上使用數千個 NVIDIA T4 和 V100 Tensor Core GPU。正是這種下一個階段的運算，再加上對基礎科學的持續投資，該公司希望將改變所有藥物發現的完成方式。