MIT’nin yeni nesil yapay zekası, ilaç çalışması için milyonlarca molekülü süper bilgisayar hızında tarıyor. Birleşik yapı ve afinite modeli, laboratuvar darboğazları olmadan Ar-Ge döngülerini kısaltarak tek geçişte poz ve etkinliği tahmin ediyor.
Süper bilgisayar ilaç taraması için kullanılıyor
MIT’nin Jameel Clinic ve CSAIL’in Utah merkezli biyoteknoloji girişimi Recursion ile iş birliği içinde geliştirdiği yeni nesil biyomoleküler temel modeli Boltz-2, ilaç keşfini süper bilgisayar hızında gerçekleştiriyor. İki ay önce açıklanan yapay zeka modeli, karmaşık yapı tahminini birleştiriyor.
Tek bir pakette bağlanma-afinite tahmini, araştırmacıların haftalar yerine saatler içinde geniş moleküler kütüphaneleri taramasına yardımcı oluyor. Boltz-2, daha önce çok fazla zaman ve maliyet gerektiren araştırma ve geliştirme döngülerini sıkıştırarak tüm süreci hızlandırıyor.
Özünde Boltz-2, moleküllerin ne kadar sıkı bağlandığını tahmin etmede altın standart olan fizik tabanlı serbest enerji bozulması (FEP) simülasyonlarının doğruluğuna yaklaşırken, 1.000 kata kadar daha hızlı. Dünyanın en güçlüleri arasında yer alan Recursion’ın BioHive-2 süper bilgisayarında Boltz-2, milyonlarca ligand-protein çiftini paralel olarak işleyebiliyor ve tek bir NVIDIA A100 GPU’da çift başına yaklaşık 20 saniyede bağlanma sonuçları döndürebiliyor.
Bu hız, ilaç araştırmaları için köklü bir değişim anlamına geliyor. Bilim insanları, ıslak laboratuvarlarda bileşikleri tek tek zahmetli bir şekilde test etmek veya fizik simülasyonlarının tamamlanmasını haftalarca beklemek yerine, artık molekülleri süper bilgisayar ölçeğinde dijital olarak sınıflandırabiliyor.
Yapılan kıyaslamalarda Boltz-2, geleneksel yerleştirme yöntemlerini ve önceki makine öğrenmesi yaklaşımlarını geride bıraktı, hatta MF-PCBA gibi yüksek verimli ekranlarda ortalama hassasiyeti iki katına çıkardı.
Boltz-2’nin ileriye doğru atılımının büyük kısmı biyoloji kadar mühendisliğe de dayanıyor. NVIDIA’nın H100 Tensor Core GPU’lu DGX SuperPOD’u üzerine inşa edilen Recursion’ın BioHive-2 süper bilgisayarı, modele hem duruşu hem de etkiyi tek bir ileri geçişte öğretmek için gereken üç milyondan fazla deney etiketli örnekten oluşan büyük eğitim verilerini işleyecek şekilde optimize edildi.
NVIDIA mühendisleri de hesaplama darboğazlarını ortadan kaldırmak için modeli profilleyerek kritik bir rol oynadılar.
