其他行业 · AI应用
生成式AI用于生物制剂发现与开发
安进在生物制剂发现和开发过程中面临挑战，通常涉及漫长的周期和资源密集型研究。为解决这些问题，该组织采用了NVIDIA的生成式AI技术，特别是利用NVIDIA BioNeMo等平台。这种创新方法使安进能够简化研究工作，显著加速药物发现过程。结果，公司提高了研究效率，能够更快地开发潜在疗法。最终，生成式AI的集成不仅改善了运营工作流程，还使安进能够更快地将新疗法推向市场。
训练目标达成时间
4周
来源披露
多序列比对速度
20-30倍
来源披露
训练后分析速度
最多100倍
来源披露
01
业务背景
安进在生物制剂发现和开发过程中面临挑战，通常涉及漫长的周期和资源密集型研究。为解决这些问题，该组织采用了NVIDIA的生成式AI技术，特别是利用NVIDIA BioNeMo等平台。这种创新方法使安进能够简化研究工作，显著加速药物发现过程。结果，公司提高了研究效率，能够更快地开发潜在疗法。最终，生成式AI的集成不仅改善了运营工作流程，还使安进能够更快地将新疗法推向市场。
02
遇到的问题
传统的生物制剂发现过程漫长且昂贵，需要从数千到数百万的候选分子中筛选，且某些生物制剂子类缺少公开数据，难以进行计算机预测，安进希望利用AI加速筛选和优化。
03
AI 解决方案
安进采用NVIDIA DGX Cloud和BioNeMo平台，利用其专有的抗体数据训练蛋白质大型语言模型（LLM），开发了生成生物学工作流。该工作流从分子规格出发，生成式AI提出新设计，预测模型进行评估和排序，迭代寻找符合要求的分子。通过多GPU多节点分布式训练加速模型预训练和微调，并使用OpenFold快速预测蛋白质3D结构，显著减少湿实验室负担。
04
实施结果
训练目标达成时间：4周（3倍加速）
多序列比对速度：20-30倍（20-30倍加速）
训练后分析速度：最多100倍（最多100倍加速）
05
风险与边界
未披露
“Ease of multi-node training and the ability to use larger batch sizes within DGX Cloud enabled us to achieve our three-month objectives in just four weeks.”
Christopher Langmead · Director of Digital Biologics Discovery, Amgen
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。