AI抗“疫” | NVIDIA初创加速计划会员通过AI加速药物研发

研究人员正在争分夺秒地寻找能够治疗新冠肺炎的药物分子，但潜在的类药物分子数量之庞大令人望尘莫及。NVIDIA初创加速计划会员Elix正在通过深度学习加速药物研发过程。除了制药领域，该公司还将AI用于材料信息学的分子设计，并在边缘开发用于自动驾驶和AI的计算机视觉模型。

研究人员正在争分夺秒地寻找能够治疗新冠肺炎的药物分子，但据估计，潜在的类药物分子数量可高达10的60次方个。

总部位于东京的初创公司Elix的联合创始人兼首席执行官Shinya Yuki说：“即使假设每秒检查一个分子，探索整个化学空间所花费的时间也比宇宙存在的时间还要长。AI可以有效地探索巨大的搜索空间，从而解决各种难题，无论是在药物研发、材料开发还是在游戏领域。”

Yuki的公司正在通过深度学习加速药物研发过程——预测分子特性时，建立神经网络比普通计算机模拟的速度要快得多。为了支持新冠病毒研究，该团队正在使用AI寻找经过FDA批准或正在临床试验中的药物，这些药物可以重新用于治疗冠状病毒。

 “从零开始研发新药是一个漫长的过程，这在大流行情况下更加不现实，” Yuki说，“当前情况下，速度至关重要。药物再利用可以帮助筛选具有临床安全记录的备选药物，从而大大减少药物开发的时间和成本。”

Elix最近发表了一篇论文，论文关注的正是被其AI模型标记为潜在的抗新冠病毒药物，该药物目前已获批准，正处临床试验阶段。在被Elix的AI模型标记的备选药物中，remdevisir是一种抗病毒药物，该药物最近获得了FDA冠状病毒病例的紧急使用授权。

Elix使用NVIDIA DGX 工作站对其深度学习算法进行训练和推理，作为初创加速计划会员，Yuki在GTC Digital（NVIDIA面向开发人员和AI研究人员的数字会议）大会上分享了公司将AI应用于药物研发所做的工作。

Elix是NVIDIA初创加速计划会员。该计划是一个虚拟加速器项目，专为初创企业提供市场宣传、专业知识和技术支持。

在分子水平上，有效的药物分子必须是形状、柔性和相互作用能的完美结合，才能与目标蛋白结合，例如覆盖在SARS-CoV-2（引起新冠肺炎的病毒）病毒外壳的刺突蛋白。

图片来源：CDC/Alissa Eckert，MSMI；Dan Higgins，MAMS.

Licensed under public domain.

当这些刺突蛋白附着在人体内的细胞上时，病毒就会入侵细胞，从而使人感染新冠肺炎。抗病毒药物可以通过干扰这一附着过程起效。例如，药物分子与刺突蛋白上的受体结合，从而阻止病毒附着在人类细胞上。

为了帮助研究人员找到最合适的药物，Elix使用各种神经网络来迅速缩小潜在药物分子的范围。这使得研究人员将物理测试的机会留给更有可能成功对抗新冠病毒的药物。

通过预测性AI模型，Yuki的团队可以分析候选药物的数据库以推断某特定疾病的有效药具备的理化特性。他们还采用了生成模型，从零开始提出有效药物的分子结构——其中一些可能并不存在于自然界。

这促生了第三个神经网络，它是一个逆合成模型，帮助研究人员判断生成的分子是否可以在实验室中合成。

Elix通过多个NVIDIA DGX 工作站系统来加速这些神经网络的训练和推理，这些系统是专为数据科学开发团队打造的AI工作站，由GPU驱动。与CPU相比，单个GPU就可以将训练过程提速高达6倍。

Yuki说，生成模型提速至关重要，否则模型从训练到完成收敛测试至少需要花费一个星期，由此实现错误率最小化。Elix团队得益于每个DGX工作站上装备的四个NVIDIA V100 Tensor Core GPU，这使他们能够处理更大的AI模型，且能同时运行多个实验。

DGX工作站的本质是超级计算机。通常情况下，多名员工会在同一台机器上同时工作，”他说， “我们不仅可以更快地训练模型，还可以并行运行多达15个实验。”

这家初创公司的客户包括制药公司、研究机构和大学。由于分子数据是制药行业的敏感知识产权，大多数人选择在自己的本地服务器上运行AI模型。

除药物研发外，Elix还与轮胎和橡胶制造商普利司通（Bridgestone）和日本最大的研究机构RIKEN等公司合作，将AI用于材料信息学的分子设计。该公司还在边缘开发用于自动驾驶和AI的计算机视觉模型。

在一个项目中，Yuki的团队与全球化工公司Nippon Shokubai合作生成了一种分子，该分子可用作油墨的掺合材料，同时对皮肤的刺激性较低。

点击下方“阅读原文”，访问抗“疫”专题页面，了解其他初创公司如何使用AI和加速计算抗击新冠肺炎。