엔비디아(CEO 젠슨 황)가 새로운 확장된 생성형 AI 클라우드 서비스 세트를 발표했다. 이 서비스 세트는 단백질 및 치료제의 개발, 유전체학, 화학, 생물학, 분자 역학 분야의 연구 가속화를 위해 AI 기초 모델을 맞춤화한다.
이 서비스 세트는 AI 모델 훈련 및 추론을 위한 새로운 바이오네모 클라우드(BioNeMo Cloud) 서비스는 엔비디아 AI 파운데이션(NVIDIA AI Foundations)의 일부로, 신약 개발에서 가장 시간과 비용이 많이 드는 단계들을 가속화한다. 이를 통해 자체 보유 데이터로 생성형 AI 애플리케이션을 미세 조정할 수 있으며, 웹 브라우저에서 직접 또는 기존 애플리케이션에 쉽게 통합되는 새로운 클라우드 애플리케이션 프로그래밍 인터페이스(API)를 통해서 AI 모델 추론을 실행할 수 있다.
바이오네모 클라우드 서비스에는 신약 개발을 위한 AI 파이프라인을 구축하는 데 도움이 되는 사전 훈련된 AI 모델이 포함되어 있다. 에보자인(Evozyne), 인실리코 메디슨(Insilico Medicine) 등의 신약 개발사가 새로운 치료제 후보물질에 대한 데이터 기반 약물 설계를 지원하기 위해 이 서비스를 도입했다.
생성형 AI 모델은 잠재적인 약물 분자를 신속하게 식별할 수 있으며, 경우에 따라서는 화합물 또는 단백질 기반 치료제를 처음부터 설계할 수 있다. 또한 소분자, 단백질, DNA 및 RNA 서열의 대규모 데이터 세트에 대해 훈련되어 단백질의 3D 구조와 분자가 표적 단백질과 얼마나 잘 결합할지 예측할 수 있다.
바이오네모는 이전에 발표된 메가몰BART(MegaMolBART) 생성형 화학 모델, ESM1nv 단백질 언어 모델, 오픈폴드(OpenFold) 단백질 구조 예측 모델에 더해 다음과 같은 6개의 최적화된 신규 오픈소스 모델을 제공한다.
알파폴드2(AlphaFold2): 아미노산 서열을 사용해 단백질 구조 결정 시간을 몇 년에서 몇 분, 심지어 몇 초 단위로 단축하는 딥 러닝 모델로, 딥마인드(DeepMind)에서 개발했으며 수백만 연구자들이 이미 사용하고 있다.
디피독(DiffDock): 약물 분자가 표적 단백질과 결합하는 방법을 이해하는 데 도움을 주는 모델이다. 분자의 3D 방향과 도킹 상호 작용을 높은 정확도와 계산 효율성으로 예측한다.
ESM폴드(ESMFold): 메타 AI(Meta AI)의 ESM2 단백질 언어 모델을 활용한 단백질 구조 예측 모델로, 여러 개의 유사한 서열 예제 없이도 단일 아미노산 서열을 기반으로 단백질의 3D 구조를 예측할 수 있다.
ESM2: 이 단백질 언어 모델은 단백질 구조 예측, 속성 예측, 분자 도킹과 같은 다운스트림 작업에 유용한 단백질의 기계 표현을 추론하는 데 사용된다.
모플로우(MoFlow): 분자 최적화와 소분자 생성에 사용되는 생성형 화학 모델이다. 분자를 처음부터 생성하여 잠재적인 치료제를 위한 다양한 화학 구조를 제시한다.
ProtGPT-2: 이 언어 모델은 새로운 단백질 서열을 생성해 고유한 구조, 특성, 기능을 가진 단백질을 설계하는 데 도움을 준다.
바이오네모 서비스는 대화형 추론 및 단백질 구조 시각화를 위한 브라우저 기반 인터페이스를 통해 이러한 생성형 AI 모델에 쉽게 액세스할 수 있도록 한다. 또한 바이오네모를 엔비디아 DGX 클라우드(DGX Cloud)의 슈퍼컴퓨팅 리소스와 결합함으로써, 엔비디아 베이스커맨드(Base Command) 플랫폼 및 엔비디아 AI 엔터프라이즈(AI Enterprise) 소프트웨어 제품군을 사용하는 완전 관리형 소프트웨어 서비스에서 모델을 맞춤화할 수 있다.
제약회사와 신약개발 스타트업들이 바이오네모를 사용하고 있으며 대부분 상당한 성과를 거두고 있다.
암젠은 항체에 대한 자체 보유 데이터를 사용해 바이오네모의 ESM 모델 아키텍처를 사전 훈련하고 미세 조정했다. 그 결과 DGX 클라우드에서 분자 스크리닝과 최적화를 위한 5개의 맞춤형 모델을 훈련하는 데 걸리는 시간을 3개월에서 단 몇 주로 단축할 수 있었다.
미국 시카고에 위치한 생명공학기업이자 최첨단 스타트업을 위한 엔비디아 인셉션(Inception) 프로그램의 회원인 에보자인의 연구원들은 엔비디아와 협력하여 ProT-VAE(Protein Transformer Variational AutoEncoder)라는 바이오네모 기반 딥 러닝 모델을 개발했다. 에보자인의 자체 단백질 데이터를 기반으로 미세 조정된 생성형 AI 모델은 자연에서 발견되는 효소에 비해 성능이 크게 향상된 합성 변이체의 설계를 가능하게 한다.
엔비디아 인셉션의 프리미어 멤버인 인실리코 메디슨은 바이오네모를 사용해 보통 4년 이상의 기간과 약 5억 달러의 비용이 소모되는 초기 신약 개발 프로세스를 가속화하고 있다. 인실리코는 처음부터 끝까지 생성형 AI를 사용하여 전임상 후보물질을 식별하는 시간을 3분의 1로, 비용은 10분의 1로 줄였다. 이 약은 곧 환자 대상 임상 2상 시험에 들어갈 예정이다.
3월 23일 목요일까지 온라인으로 진행되는 GTC에서 암젠 관련 세션 3개, 에보자인 관련 세션, 딥마인드의 알파폴드에 대한 세션을 포함해 AI와 헬스케어 분야의 최신 동향을 알아볼 수 있다. 등록은 무료이다.
엔비디아 창립자 겸 CEO 젠슨 황(Jensen Huang)이 바이오네모 클라우드 서비스에 대해 소개한 GTC 키노트도 온디맨드로 시청할 수 있다.
|
