[Photo, Rendering an Screenhost Credits: Innophore GmbH 2017-2021]
Коли австрійський стартап з 30-ти осіб демонструє Дженсен Хуанг, генеральний директор технологічного гіганта Nvidia, графіки, як правило, швидко заповнюються. Саме це стосується Innopore, біотехнологічної компанії, яка застосовує обчислювальну програму NVIDIA зі своєю каталофорною платформою для прискорення скринінгу безпеки наркотиків та прив’язки. Цього року компанія була висвітлена як партнер NVIDIA як на конференції охорони здоров'я JP Morgan, так і на CES.
Для доктора наук Іннофору, доктора наук, нульовий “ділянки зв'язування” в білках – а не самі білки – є ключем до швидшого, більш цілеспрямованого виявлення лікарських засобів. “Наш головний принцип полягає в тому, що білки мають значення, але сайти зв'язування мають значення ще більше”, – сказав Грубер. “Будь -який даний білок може мати множинні сайти зв'язування для потенційних препаратів, тому велика частина нашої роботи порівнює всі ці можливі сайти, щоб забезпечити специфічність та зменшити побічні ефекти”. Досліджуючи сайти зв'язування в усьому геномах, компанія має на меті швидше визначити перспективні цілі та вдосконалити лікування, перш ніж вони коли -небудь потрапляють до пацієнта.
https://www.youtube.com/watch?v=gqigy5xva4e
[Video from Innophore GmbH]
Перевірка швидкості та точності в кризі
“Наші фармацевтичні клієнти виявляють взаємодію поза межі приблизно вдвічі більше, ніж інші методи кремнію”,-сказав Грубер. Платформа Innophore довела свою проміжку під час Covid-19, визначивши основну протеазу SARS-COV-2 як основну ціль препарату до середини січня 2020 року-місяці перед тим, як Pfizer's Paxlovid націлився на той самий сайт. Компанія проаналізувала геном вірусу протягом декількох годин після його вивільнення, використовуючи порівняння на сайті зв'язування для визначення пріоритетності протеази противірусного розвитку. Ця швидка реакція підкреслила здатність технології відображати взаємодію в нових збудниках, пропонуючи план для майбутньої готовності пандемії. Сага проілюструвала, як підхід до AI-керованого AI до аналізу зв'язування-сайту може стиснути терміни виявлення наркотиків з років до тижнів, коли в поєднанні з масштабованим обчисленням-у цьому випадку, що надається AWS.
“До середини січня 2020 року ми припустили, що основна протеаза SARS-COV-2 була найбільш перспективною ділянкою, що зв'язує наркотики”,-зазначив Грубер. “Пізніше Paxlovid націлив на той точний сайт, який демонструє, як швидко ми можемо виділити критичні цілі в умовах пандемії”.
Невдовзі Wired опублікував статтю під назвою “Biotech скидає власників і йде свиней для обміну”, згадуючи про Innopore та інші біотехнологічні зусилля для боротьби з пандемією. «Я також гордий Wired, який нам представляв – я читав це ще з дитинства. Ми приділяли багато уваги під час пандемії та після пандемії, завдяки нашим дослідженням та співпраці з перевіреними результатами », – сказав Грубер.
Група Innopore Group у Graz лютого 2020 року [Innophore GmbH]
Рання співпраця з NVIDIA
Ця ж швидкість була підвищена ранньою співпрацею Innophore з Nvidia – розміщення австрійського стартапу серед першої жменьки користувачів платформи Bionemo. “Ми були одними з перших людей, які використовували біонемо”, – пояснив Грубер. “Це були ми, астразенека та кілька партнерів”. Інтегруючи хмарні API Bionemo на свою каталофорну платформу-і спільно розробити підходи, керовані AI, такі як Cavitomix (плагін для Пімолу Шредінгера)-Innopore може прискорити скринінг безпеки та прогнозування дизайну наркотиків, стрибаючи із сотень прогнозів на секунду до 5 мільйонів.
Нещодавно Gruber та його колеги з Innopore та Nvidia пояснили в наукових даних, як вони поєднували інструменти моделювання на основі гомології та AI-керовані AI для прогнозування 3D-структур 42,042 різних білків людини. Використовуючи платформу Bionemo NVIDIA – інтегруючи альфафаль 2, OpenFold та ESMFold – Groundside Innophore's Cavitomix Technology, команда зібрала набір даних, призначений для максимального покриття та послідовності в протеома людини.
Білки людини лежать в основі здоров'я, і хвороб, і надійні 3D -моделі цих молекул можуть різко прискорити виявлення наркотиків. У той час як попередні зусилля, такі як Альфафольд, проклали шлях до структурних прогнозів, певні білки або сайти зв'язування залишаються неповними або низькими впевненістю. Об’єднавши кілька двигунів прогнозування AI з аналізом прив’язки Innopore, цей набір даних заповнює ці прогалини та забезпечує більш надійну основу для виявлення потенційних цілей лікарських засобів-або поза цілими взаємодіями-походить з усім протеома.
Крістіан Грубер, к.т.н.
«Наш набір даних пропонується як у форматах, і відредагованих для різноманітних вимог до досліджень. Нередагована версія містить структури, породжені різними методами прогнозування, тоді як відредагована версія містить вдосконалення, включаючи набір структур без низьких областей прогнозування та структури в комплексі з передбачуваними лігандами на основі гомологів у PDB “. Низькі області довіри можуть негативно впливати на аналізи вниз за течією (такі як молекулярне стикування) моделей, про які йдеться. Таким чином, команда забезпечила новий набір даних, який видалив такі недорогі регіони зі структур.
Цей набір даних також має потенціал для прогресу в програмі машинного навчання в дослідженнях структури та функцій білків: «Наявність всебічних структурних даних є основним для просування інструментів, орієнтованих на AI, наприклад, rfdiffusion, що сприяє розробці нових білків “. У 2024 році DeepMind представив Alphafold 3, який може точно моделювати більше 99% молекулярних типів у банку даних білка.
Цей всебічний набір даних білкової структури є прикладом більш широкої стратегії поєднання декількох обчислювальних підходів для підвищення точності виявлення лікарських засобів. Тепер команда планує подальше масштабувати ці методи-передбачаючи персоналізовані геноми, багаторазові організми та більш надійні структурні дані для керівництва підходами до виявлення наркотиків нового покоління. Innopore має на меті вдосконалити масштабні моделі, орієнтовані на зв'язування, здатні прискорити методи лікування виникаючих захворювань та специфічних для пацієнтів потребами. “Ми рано вирішили, що якщо клієнти зможуть перевірити наші результати у власних об'єктах, вони зможуть швидше прийняти результати”, – сказав Грубер.
[Rendering credit: Innophore GmbH 2017-2021]
Подано в: Біотехнологія, наука про дані, виявлення наркотиків, машинне навчання та ШІ