Numerion Labs 發布了關於與 NVIDIA 合作超快速篩選超可擴展虛擬圖書館的突破性人工智能研究

APEX 協議可在 30 秒內對 100 億種虛擬化合物進行詳盡評估舊金山，2025 年 10 月 29 日 /美通社/ -- Numerion Labs 是一家率先將 AI/ML 應用於藥物發現的 AI 原生公司，今天宣布發布一篇由 NVIDIA 主題專家共同撰寫的研究論文，現已在 arXiv 上提供。該論文介紹了 APEX（近似窮舉搜索），這是一種新的計算協議，使科學家能夠在幾秒鐘內篩選包含數十億種化合物的超可擴展、超大型組合合成庫 (CSL)，從而大大加快了以前需要數月才能分析的工作流程。 Numerion LabsNumerion Labs（以前稱為 Atomwise）開發 APEX 來解決虛擬篩選中最重要的瓶頸之一：無法在規模。通過將深度學習代理與結構化化學空間上的 GPU 加速枚舉相結合，APEX 可在幾秒鐘內對數十億個潛在起點進行虛擬評估，確保有前途的化合物不會被忽視。 “藥物發現始終面臨著大規模和快速搜索化學空間的基本挑戰，”Numerion Labs 首席執行官 Steve Worland 說道。 “借助 APEX，我們已經證明，現在可以在幾秒鐘內對數十億個分子進行虛擬評估，從而實現化學家和計算機之間創造力的實時結合。這種快速探索更廣泛的化學空間的能力產生了更加多樣化的化學起點，從而加速了發現並增加了識別治療疾病的差異化新藥物的可能性。”傳統的虛擬篩選技術通常評估不到 0.1% 的可用化合物，從而導致許多有價值的潛在藥物未被發現。競爭的超大型庫工具通常專注於化合物相似性或物理化學過濾器，或者依賴於強力對接方法，這需要大量的計算資源。相比之下，APEX 利用 COSMOS（Numerion 基於結構的生成式預訓練基礎模型）來優先考慮具有真正生物學相關性的化合物。經過訓練來預測分子結合和功能，COSMOS 使 APEX 不僅能夠識別僅僅看起來像藥物的分子，還能選擇那些最有可能結合具有最佳藥物特性的疾病驅動靶點的分子。在基準測試中，APEX 在單個 NVIDIA GPU 上在 30 秒內從包含 100 億個化合物的庫中檢索出前 100 萬個具有生物學前景的化合物。 故事還在繼續研究表明，APEX 能夠識別高分化合物，這些化合物滿足多種蛋白質靶點（包括激酶、GPCR、蛋白酶和核受體）的關鍵類藥物特性限制。這些進步有可能通過實現對化學空間的全面、實時探索，從根本上重塑製藥和生物技術公司進行熱門發現的方式。反過來，這可以加速臨床候選藥物的進展，並提高發現差異化新藥的成功概率。 完整論文可在 arXivhere 上獲取，代碼可在 GitHub 上獲取。 關於 Numerion Labs
Numerion Labs 是一家人工智能原生公司，通過開發和使用尖端機器學習算法來加速救生藥物的發現。該公司將計算化學、結構生物學和藥物化學結合起來，開創了下一代人工智能驅動的藥物發現平台。 媒體聯繫人：Kate Thompson / Tim Ragones / Madeline Jones
喬爾·弗蘭克、威爾金森·布里默·卡徹
212-355-4449Cision查看原始內容以下載多媒體：https://www.prnewswire.com/news-releases/numerion-labs-publishes-breakthrough-ai-research-on-ultra-fast-screening-of-hyper-scalable-virtual-libraries-with-nvidia-302597754.html查看評論