ブリスターマイヤーズスクイブがNvidiaのAIプラットフォームを取得し、創薬の加速を図る

ブリスター・アンド・ミツイ・スクリブは、医薬品の創薬および開発パイプラインにおける人工知能（AI）アプリケーションの加速を目指し、ベラ・ルビン（Vera Rubin）アーキテクチャを搭載したNvidia DGX SuperPODを取得した。

この製薬大手は、今年初めに以前のアナログ世代の後継として発表されたNvidiaの最新AIコンピューティングアーキテクチャであるベラ・ルビンに基づくDGX SuperPODを展開する初の生命科学研究機関となる。

コンピューティング能力の拡大

新しいクラスターは8つのDGX ベラ・ルビン NVL72システムで構成され、各ラック規模のユニットにはNvidiaのベラ中央処理装置（CPU）とルビングラフィックス処理装置（GPU）が統合されている。

BMSはこのインフラストラクチャを活用して、独自のモデルをトレーニングし、研究イニシアチブ全体で予測を実行する。これにより、化合物、タンパク質、その他の科学データセットとの取組が支援される。

取引の財務詳細は非公表である。今回の取得により、BMSの既存のNvidiaインフラストラクチャが強化される。この既存インフラには、執行部がベラ・ルビンより2〜3世代古いと指摘する以前のSuperPODが含まれる。

BMSは現在の日DGX SuperPODを約3年間運用してきた。同社は、これを新しいベラ・ルビンシステムと統合し、世界中の研究拠点からアクセス可能な単一のコンピューティング環境を構築する意向である。

SuperPODのソフトウェアスタックは、インフラストラクチャ全体にわたるトレーニング、予測、開発のワークロードを管理する。BMSによると、この拡張されたセットアップにより、より多くの科学者がコンピューティングリソースへの直接アクセスを広く得られるようになる。

BMSの最高デジタル・テクノロジー責任者であるグレッグ・マイヤーズ氏は、同社が研究組織全体でより大規模なAIモデルを展開するにつれて、コンピューティング需要が急増したと述べた。

BMSのリサーチビジネスインサイトおよびテクノロジー担当副社長であるエリン・デイビス氏は、既存のインフラストラクチャがフル稼働していると指摘した。彼女は、この需要を、複雑な分子に関する大規模な予測や内部基盤モデルの開発に起因すると説明した。

デイビス氏は、新しいシステムが限られた数の計算研究者に限定されないことを強調した。BMSは、これを研究組織全体で利用可能にし、現在のセットアップに伴う待ち時間やアクセス制限を解消する計画である。

創薬におけるAIの応用

BMSは、AIが現在、すべての低分子プログラムの設計および大分子プログラムの大多数に設計情報をもたらしていると報告した。この技術は、標的の同定、リード最適化、大分子の予測、内部モデルの開発に適用されている。

同社は、AIを活用した標的同定により、手動での研究作業が数週間削減されたと述べた。大分子の予測ワークロードも、追加のグラフィックス処理能力の必要性を牽引している。

BMSの最高研究責任者であるロバート・プランジ氏は、新しいシステムにより、科学者は初期開発段階でより多くの潜在的な薬物候補を評価できるようになると語った。

「以前は10件しかできなかったものが、今は数十件可能になるかもしれない」とプランジ氏は述べた。

計算スクリーニングにより、研究者は合成および実験室テストのために小さなサブセットを選択する前に、潜在的な化合物を評価できる。

BMSは、「Predict First」と呼ばれる手法を通じてこのアプローチを採用しており、候補が合成のために選択される前に、必要な特性を満たさない分子を除外するためにモデル生成の予測を使用する。

BMSの治療薬発見科学担当シニアバイスプレジデントであるパイアル・シェス氏は、研究者はこれらの予測を使用して、望ましい特性の組み合わせを持つ分子を同定すると述べた。

「私たちは、マルチパラメータ最適化を持つ分子の合成を優先するための手段として予測を使用しています」とシェス氏は述べた。「これにより、貴重な実験室実験が、成功確率が最も高い分子の進展と整合していることを保証します。」

この手法により、実験室テストに送られる化合物の数が削減され、研究者はプログラムの予測要件を満たす分子に実験を集中させることができる。

BMSはまた、AIを使用して、がんを引き起こすタンパク質を選択的に分解するように設計されたCELMoD化合物のライブラリを拡大してきた。同社は、これらの化合物を血液がんおよびその他の疾患の研究に用いている。

BMSは、モデル化の作業により、研究者が実験的に追求する候補を決定する前に、追加のタンパク質標的および潜在的な化合物を調査できるよう支援したと述べた。

同社はまた、臨床試験用の医薬品の製造に必要な時間を短縮するためにAIツールを使用している。プランジ氏は、このプロセスはすでに20〜30%短縮されており、今後50%に達する可能性があると語った。

彼は、早期臨床開発段階にある鎌状赤血球症の治療薬の例を挙げ、AI支援研究の一例として提示した。プランジ氏は、同社のAIツールがなければ、この治療法は発見されなかった可能性が高いと述べた。

これらの数値は、臨床テスト用の候補の同定および製造に必要な時間を指しており、その後の試験でのパフォーマンスを指すものではない。

ベラ・ルビンシステムは、研究者が生物学的および創薬アプリケーション向けのNvidia BioNeMoエージェントツールキットにアクセスすることも可能にする。

BioNeMoは、タンパク質構造の予測、分子生成、分子ドッキング、配列解析、ゲノミクスのためのツールを提供する。また、同じ研究ワークフロー内で複数の計算ツールを接続することもできる。

BMSの執行部は、人間の研究者がモデルの出力を引き続きレビューし、どの化合物やプログラムを進めるかを決定し続けることを強調した。

研究拠点の接続

BMSは、複雑なコンピューティングタスクを開始するために必要な専門知識を削減するよう設計されたツールを導入している。同社によると、研究者は自然言語の指示を使用して、いくつかの予測リクエストを開始できるようになる。

この環境は、Nvidia Mission Controlを通じて管理される。BMSによると、これはクラスターのプロビジョニング、インフラストラクチャの監視、ワークロード管理を処理する。

統合インフラストラクチャにより、ある拠点で生成されたデータやモデルの出力を、他のチームが使用できるようになる。BMSは、例えばニュージャージー州ローレンスビルにあるプログラムからのデータセットを、サンディエゴの研究者が使用するモデルに取り込むことができると指摘した。

シェス氏は、共有環境は組織全体の実験および研究プログラムからの情報を保持することを意図していると述べた。

「コンピューティングインフラストラクチャは、すべての科学者を結びつけ、私たちの学びが制度化されることを保証するものです」とシェス氏は述べた。

2つのSuperPODは共通のデータ環境を通じて運用され、異なる拠点のチームが共有データセットやモデルの出力にアクセスできるようになる。BMSは、この環境には実験、臨床結果、研究パートナーシップからの情報が含まれると述べた。

同社は、新しいコンピューティング容量を、低分子および大分子の設計、臨床研究、デジタルツインアプリケーションに割り当てる計画である。BMSは、計画されているデジタルツインの作業の詳細や、各領域に割り当てられる容量の量については開示しなかった。

マイヤーズ氏は、ベラ・ルビンシステムは、電力使用量に対してより多くのコンピューティング容量を提供すると述べた。BMSとNvidiaは、8システムからなるクラスターが、置き換えるインフラストラクチャのメガワットあたりの性能の最大10倍を提供すると述べた。

「これらをホストする場合、電気代を支払わなければなりません」とマイヤーズ氏は述べた。「消費したワットあたりのコンピューティング容量が10倍多いと考えることができます……電気代は安くなりません。」

BMSは、具体的な導入日や、新しいシステムがホストされる場所については特定しなかった。

関連記事：米国の公衆衛生機関がOpenAIおよびAnthropicのAIモデルをテスト

業界のリーダーからAIおよびビッグデータについてさらに学びたいですか？ アムステルダム、カリフォルニア、ロンドンで開催されるAI & Big Data Expoをご覧ください。この包括的なイベントはTechExの一部であり、サイバーセキュリティ&クラウドエキスポなどの他の主要なテクノロジーイベントと併催されています。詳細はこちらをクリックしてください。

AI NewsはTechForge Mediaによって提供されています。他の今後のエンタープライズテクノロジーイベントおよびウェビナーはこちらで確認できます。