Bristol Myers Squibb erwirbt die KI-Plattform von Nvidia, um die Arzneimittelforschung zu beschleunigen

Bristol Myers Squibb hat ein von der Vera-Rubin-Architektur angetriebenes Nvidia DGX SuperPOD erworben, um die Anwendungen der künstlichen Intelligenz in seiner Pipeline für die Entdeckung und Entwicklung von Arzneimitteln zu beschleunigen.

Das Pharmaunternehmen wird die erste Organisation im Bereich Life Sciences sein, die ein DGX SuperPOD auf Basis von Vera Rubin einsetzt, Nvidias neuester KI-Berechnungsarchitektur, die Anfang dieses Jahres als Nachfolger vorheriger Generationen vorgestellt wurde.

Erweiterung der Rechenkapazität

Der neue Cluster besteht aus acht DGX Vera Rubin NVL72-Systemen, wobei jede Rack-Einheit Nvidia’s Vera-Centralprozessoren und Rubin-Grafikprozessoren integriert.

BMS wird diese Infrastruktur nutzen, um eigene Modelle zu trainieren und Vorhersagen über seine Forschungsinitiativen hinweg durchzuführen, was die Arbeit mit Verbindungen, Proteinen und anderen wissenschaftlichen Datensätzen unterstützt.

Finanzielle Details der Transaktion wurden nicht offengelegt. Der Erwerb ergänzt BMS’s bestehende Nvidia-Infrastruktur, die ein älteres SuperPOD umfasst, das von Führungskräften als zwei oder drei Generationen hinter Vera Rubin stehend beschrieben wurde.

BMS betreibt sein aktuelles DGX SuperPOD seit etwa drei Jahren. Das Unternehmen beabsichtigt, es mit dem neuen Vera-Rubin-System zu einem einheitlichen Rechenumfeld zu integrieren, das von seinen globalen Forschungsstandorten aus zugänglich ist.

Die SuperPOD-Software-Schicht wird Trainings-, Vorhersage- und Entwicklungsaufgaben über die Infrastruktur hinweg verwalten. Laut BMS wird diese erweiterte Einrichtung mehr Wissenschaftlern einen breiteren direkten Zugang zu Rechenressourcen gewähren.

Greg Meyers, Chief Digital and Technology Officer bei BMS, erklärte, dass die Rechenanforderungen gestiegen sind, da das Unternehmen größere KI-Modelle in seiner gesamten Forschungsorganisation einsetzt.

Erin Davis, Vizepräsidentin für Geschäftseinblicke und Technologie in der Forschung bei BMS, stellte fest, dass die bestehende Infrastruktur mit voller Kapazität läuft. Sie führte diese Nachfrage auf groß angelegte Vorhersagen komplexer Moleküle und die Entwicklung interner Foundation-Modelle zurück.

Davis betonte, dass das neue System nicht auf eine kleine Gruppe von Computationsforschern beschränkt sein wird. BMS plant, es der gesamten Forschungsorganisation verfügbar zu machen, um Wartezeiten und Zugangsbeschränkungen des aktuellen Aufbaus zu beseitigen.

Anwendung von KI in der Wirkstoffentwicklung

BMS berichtete, dass KI heute das Design jedes Small-Molecule-Programms und der Mehrheit seiner Large-Molecule-Programme beeinflusst. Die Technologie wird zur Zielidentifikation, Lead-Optimierung, Vorhersagen bei Large Molecules und zur Entwicklung interner Modelle eingesetzt.

Das Unternehmen erklärte, dass die KI-gestützte Zielidentifikation die manischen Forschungsaufwände um mehrere Wochen reduziert hat. Auch die Vorhersagearbeiten bei Large Molecules treiben den Bedarf an zusätzlicher Grafikverarbeitungskapazität voran.

Robert Plenge, Chief Research Officer bei BMS, sagte, dass das neue System den Wissenschaftlern ermöglichen wird, mehr potenzielle Wirkstoffkandidaten in frühen Entwicklungsstadien zu bewerten.

„Vielleicht konnten wir vorher 10 durchführen, und jetzt können wir Dutzende durchführen“, sagte Plenge.

Das computergestützte Screening ermöglicht es Forschern, potenzielle Verbindungen zu bewerten, bevor eine kleinere Teilmenge für die Synthese und Labortests ausgewählt wird.

BMS wendet diesen Ansatz durch eine Methode namens „Predict First“ an, die modellgenerierte Vorhersagen nutzt, um Moleküle auszuschließen, die nicht die erforderlichen Eigenschaften erfüllen, bevor Kandidaten für die Synthese ausgewählt werden.

Payal Sheth, Senior Vice President für Therapeutische Entdeckungs sciences bei BMS, sagte, dass Forscher diese Vorhersagen nutzen, um Moleküle mit der gewünschten Kombination von Eigenschaften zu identifizieren.

„Wir nutzen Vorhersagen, um die Synthese von Molekülen mit multi-parametrischer Optimierung zu priorisieren“, sagte Sheth. „Dies stellt sicher, dass wertvolle Laborexperimente mit der Weiterentwicklung von Molekülen abgestimmt sind, die die höchste Wahrscheinlichkeit auf Erfolg haben.“

Diese Methode reduziert die Anzahl der Verbindungen, die zu Labortests gesendet werden, und ermöglicht es den Forschern, ihre Experimente auf Moleküle zu konzentrieren, die die vorhergesagten Anforderungen eines Programms erfüllen.

BMS hat auch KI eingesetzt, um seine Bibliothek von CELMoD-Verbindungen zu erweitern, die so konstruiert sind, dass sie krebsauslösende Proteine selektiv abbauen. Das Unternehmen untersucht diese Verbindungen bei Blutkrebs und anderen Krankheiten.

BMS erklärte, dass Modellierungsarbeiten den Forschern halfen, zusätzliche Proteinziele und potenzielle Verbindungen zu untersuchen, bevor entschieden wurde, welche Kandidaten experimentell verfolgt werden sollten.

Das Unternehmen nutzt auch KI-Tools, um die Zeit zu verkürzen, die für die Herstellung von Medikamenten für klinische Studien erforderlich ist. Plenge sagte, der Prozess sei bereits um 20 bis 30 Prozent reduziert worden und könnte in den kommenden Jahren 50 Prozent erreichen.

Er erwähnte eine experimentelle Behandlung der Sichelzellenanämie in der frühen klinischen Entwicklung als Beispiel für KI-unterstützte Forschung. Plenge sagte, die Behandlung wäre ohne die KI-Tools des Unternehmens wahrscheinlich nicht entdeckt worden.

Diese Zahlen beziehen sich auf die Zeit, die erforderlich ist, um Kandidaten für klinische Tests zu identifizieren und herzustellen, nicht jedoch auf deren spätere Leistung in den Studien.

Das Vera-Rubin-System wird den Forschern auch den Zugang zu Nvidias BioNeMo Agent Toolkit für biologische und Wirkstoffentwicklungsanwendungen ermöglichen.

BioNeMo bietet Tools für die Vorhersage der Proteinstruktur, die molekulare Generierung, das molekulare Docking, die Sequenzanalyse und die Genomik. Es kann auch mehrere computergestützte Tools innerhalb desselben Forschungsworkflows verbinden.

BMS-Führungskräfte betonten, dass menschliche Forscher weiterhin Modellauswertungen überprüfen und entscheiden werden, welche Verbindungen oder Programme vorangetrieben werden sollen.

Forschungsstandorte verbinden

BMS führt Tools ein, die darauf ausgelegt sind, das Fachwissen zu reduzieren, das für den Start komplexer Berechnungsaufgaben erforderlich ist. Das Unternehmen erklärte, dass Forscher einige Vorhersageanfragen mithilfe von Anweisungen in natürlicher Sprache starten können.

Die Umgebung wird durch Nvidia Mission Control verwaltet, das die Bereitstellung von Clustern, die Überwachung der Infrastruktur und das Lastmanagement übernimmt, so BMS.

Die einheitliche Infrastruktur ermöglicht es, Daten und Modellauswertungen, die an einem Standort generiert wurden, von Teams an anderen Standorten zu nutzen. BMS bemerkte, dass Datensätze aus einem Programm in Lawrenceville, New Jersey, beispielsweise in Modelle integriert werden können, die von Forschern in San Diego verwendet werden.

Sheth sagte, die gemeinsame Umgebung sei darauf ausgelegt, Informationen aus Experimenten und Forschungsprogrammen innerhalb der gesamten Organisation zu bewahren.

„Die Recheninfrastruktur ist es, die all unsere Wissenschaftler miteinander verbindet und sicherstellt, dass unsere Erkenntnisse institutionalisiert werden“, sagte Sheth.

Die beiden SuperPODs werden über eine gemeinsame Datenumgebung operieren, was es Teams an verschiedenen Standorten ermöglicht, auf gemeinsame Datensätze und Modellauswertungen zuzugreifen. BMS erklärte, dass die Umgebung Informationen aus Experimenten, klinischen Ergebnissen und Forschungspartnerschaften enthalten wird.

Das Unternehmen plant, die neue Rechenkapazität auf das Design von Small- und Large Molecules, klinische Forschung und Digital-Twin-Anwendungen zu verteilen. BMS gab keine Details über die geplanten Digital-Twin-Arbeiten oder die Menge der Kapazität an, die jedem Bereich zugewiesen wird.

Meyers sagte, das Vera-Rubin-System werde im Verhältnis zum Stromverbrauch mehr Rechenkapazität bereitstellen. BMS und Nvidia erklärten, dass der Cluster mit acht Systemen bis zu 10-mal mehr Leistung pro Megawatt liefern wird als die Infrastruktur, die er ersetzt.

„Wenn man diese Dinge hostet, muss man eine Stromrechnung bezahlen“, sagte Meyers. „Stellen Sie es sich als 10-mal mehr Rechenkapazität pro ausgegebenem Watt vor … Strom wird nicht günstiger.“

BMS gab kein spezifisches Bereitstellungsdatum an und nannte nicht, wo das neue System gehostet wird.

Siehe auch: US-Behörden für öffentliche Gesundheit testen OpenAI- und Anthropic-KI-Modelle

Möchten Sie mehr über KI und Big Data von Branchenführern erfahren? Besuchen Sie die AI & Big Data Expo, die in Amsterdam, Kalifornien und London stattfindet. Die umfassende Veranstaltung ist Teil von TechEx und wird gemeinsam mit anderen führenden Technologieveranstaltungen durchgeführt, darunter die Cyber Security & Cloud Expo. Klicken Sie hier für weitere Informationen.

AI News wird von TechForge Media betrieben. Entdecken Sie hier andere bevorstehende Enterprise-Technologieveranstaltungen und Webinare.