药物研发是个耗时耗力，且存在巨大不确定性的过程。对于这项工作中需要大量筛选、对比的工作，今天的计算技术已经可以胜任，并能更加快速、高效地完成。目前，各大互联网软硬件巨头多有所布局。英伟达也正在通过高速计算和人工智能推动生物医学研究和医疗设备的发展。
近日，英伟达宣布与生物制药软件提供商 Schrödinger（下称 “薛定谔公司”）达成合作伙伴关系，以增强薛定谔公司药物发现平台的计算能力，实现更快、更准确的分子建模。
（来源：Pixabay）
薛定谔公司将采用 NVIDIA DGX A100 系统进一步提升计算药物研发平台的速度和准确性，加速新治疗方法的开发。双方还将针对采用 NVIDIA DGX A100 系统和 NVIDIA InfiniBand HDR 网络构建的 NVIDIA DGX SuperPOG 优化薛定谔公司专为新型分子特性建模、预测而设计的平台。
此外，还将进一步推进药物发现需要的物理学计算和机器学习的开发。
该项合作达成后，任何使用 DGX SuperPOD 超级计算机的制药公司都可以使用该平台。
英伟达医疗保健副总裁金伯利・鲍威尔 (Kimberly Powell) 说：“我们共同为制药行业提供了一种科学工具，可提供大量候选药物数据，加速药物研发的成功。”
牵手薛定谔公司之前，英伟达已经就 AI 在药物发现方向的应用和阿斯利康、弗罗里达大学达成合作。
英伟达与阿斯利康、弗罗里达大学的合作是基于 Transformer 神经网络架构生成 AI 模型，用于药物研发化学结构的生成。该技术可以像学习语言一样学习生物化学，使其能够搜索海量数据集以寻找潜在的分子靶标，并预测它们对某些化学物质的反应方式，并且无需手动输入示例数据。
此前，英伟达还与大型制药公司一起开发了 MegaMolBART 系统，基于英伟达的 Megatron 和阿斯利康的 MolBART 模型，在可公开访问的 ZINC 数据库上进行培训，用于预测反应、优化分子以及从头创建分子模型。
通过训练，MegaMolBART 将透彻了解化学结构，预测化学反应并设计出可能成为新药候选物的新型分子结构。该模型将进行开源，通过英伟达的 NGC 目录向所有研究人员提供。
目前，佛罗里达大学健康学院正在使用英伟达最新 Megatron 框架以及 NGC 上的 BioMegatron 预训练模型（有史以来训练规模最大的生物医学 Transformer 模型）开发 GatorTron。
