SON DAKİKA

Nvdia

“NVIDIA BioNeMo Tasarım Kılavuzu ile Protein Bağlayıcı Tasarımını Hızlandırın”

Amaca yönelik bir terapötik protein tasarımı, ilaç keşfi açısından oldukça zorlu bir süreçtir. Geleneksel yöntemler genellikle, her biri aylar veya yıllar sürebilen binlerce aday üzerinden deneme-yanılma yapmayı gerektiren zahmetli bir süreçtir. Ortalama bir insan proteininin 430 amino asit uzunluğunda olduğunu düşündüğümüzde, tasarım olasılıkları 20^{430} kadar çok sayıda dizilime dönüşmektedir; bu da evrendeki atom sayısından (yaklaşık 10^{80}) çok daha fazladır.

NVIDIA’nın BioNeMo Tasarım Planı, ilaç keşif platformlarının üretebilir yapay zeka ve GPU hızlandırmalı mikro hizmetler kullanarak bu devasa arama alanında akıllıca gezinmelerine yardımcı olmak için bir referans iş akışıdır. Bunun yerine kaba kuvvetle denemeler yapmak yerine, sistem kararlı, yapısal olarak sınırlı bağlayıcılara yönlendirerek, iterasyonları ve keşif süresini önemli ölçüde kısaltmaktadır. Bu makalede, ilaç keşif şirketlerindeki araştırmacıların, başlangıç hedef dizilerinden doğrulanmış kararlı komplekslere hızlı bir şekilde nasıl yeni protein bağlayıcıları üretebilecekleri gösterilmektedir.

Protein Tasarımını Hızlandırın

NVIDIA NIM mikro hizmetleri, modüler, bulut tabanlı bileşenlerdir ve AI modelinin hızlı bir şekilde dağıtımını ve çalıştırılmasını sağlar. Bu mikro hizmetler, ilaç keşif araştırmacılarının gelişmiş AI modellerini iş akışlarına entegre etmesine ve ölçeklendirmesine olanak tanır, böylece karmaşık verilerin daha hızlı ve daha verimli işlenmesini mümkün kılar.

NVIDIA Blueprints, AI uygulamalarının geliştirilmesi ve dağıtımını hızlandıran kapsamlı referans iş akışlarıdır; NVIDIA hızlandırma kütüphaneleri, SDK’lar ve AI ajanları, dijital ikizler ve daha fazlası için mikro hizmetler içerir.

Protein Bağlayıcı Tasarım Süreci

NVIDIA BioNeMo Tasarım Planı, protein tasarım iş akışının ana aşamalarını optimize etmek için bu mikro hizmetlerin nasıl kullanılabileceğine dair kapsamlı bir rehber sağlar.

Bu süreç, hedef proteinin amino asit dizisi ile başlar. Bu Plan, AlphaFold2 ile hızlı bir şekilde bağlanarak, hedefin 3D yapısını tahmin eder ve bu da hedefin neye benzediğinin ilk modelini verir.

AlphaFold2’nin doğruluğunu artırmak için, MMseqs2 adlı hızlandırılmış çok dizili hizalama (MSA) algoritması, NVIDIA GPU’ları üzerinde çalışır. Bu, yapı tahmin sürecini bilgilendiren hızlı ve doğru bir hizalama sağlar ve kullanıcıların daha önce mümkün olmayan daha büyük veritabanlarını aramasını sağlar. MMseqs2 ve diğer güncellemelerle, AlphaFold2 NIM, şimdi 5 kat daha hızlı ve 17 kat daha maliyet etkilidir.

MSA sonuçları elde edildikten sonra, AlphaFold2 hedef proteinin 3D modelini sunar. Bu yapı, belirli bölgelere yüksek afiniteli ve kararlı bir şekilde bağlanabilen bağlayıcıların tasarımında temel oluşturur.

Tasarım ve Doğrulama Süreci

Daha sonra, RFdiffusion adlı gelişmiş AI modeli, çeşitli konfigürasyonları keşfederek, optimal bağlanma yapılarına doğru yönlendirir. Kullanıcılar, kararlı bağlayıcı-hedef etkileşimleri için en iyi şekilleri bulmak amacıyla arama parametrelerini ince ayar yapabilir. İleri düzey çıkarım motoru ile ilgili hızlandırmalarla, RFdiffusion NIM, artık temel modelden 1.9 kat daha hızlıdır.

Uygun konformasyonel tasarımımız gerçekleştikten sonra, ProteinMPNN devreye girer. Bu, RFdiffusion’dan elde edilen yapısal bilgileri kullanarak, bu şekillere iyi uyum sağlayan amino asit dizilerini oluşturur ve optimize eder.

Aday bağlayıcılar tasarlandıktan sonra, bunları AlphaFold2-Multimer ile doğruluyoruz. Bu, seçilen bağlayıcının ve hedef proteinin kararlı bir etkileşim kompleksi oluşturmasını sağlayarak, ilerideki deneylerin başarısız olma riskini en aza indirir.

Bu başlangıçta doğrulanmış komplekslerle, araştırmacılar en umut verici aday protein bağlayıcı tasarımlarını önceliklendirebilir ve maliyetli, zaman alıcı laboratuvar çalışmalarını azaltabilir. Bu entegre yaklaşım, tasarımdan keşfe döngüsünü hızlandırır.

Diagram compring the features of GenMol and SAFE-GPT across key aspects, including decoding (parallel versus sequential), task versatility (broad), efficiency (scalable versus computationally intensive), and their tradeoff in diversity and quality (high balance vs moderate balance).
Şekil 1. NVIDIA BioNeMo Tasarım Planı içinde bilgi akışını gösteren bir diyagram

Sonuç

NVIDIA BioNeMo Tasarımları için NVIDIA BioNeMo Tasarım Planını indirerek istediğiniz yerde – yerel, bulut veya hibrit ortamlarda – dağıtabilirsiniz. Güvenli, güvenilir ve kurumsal destekli seçenekler, araştırmalarınızı ölçeklendirmenize yardımcı olabilir.

NVIDIA hızlandırmalı mikro hizmetler ve üretebilir yapay zeka ile, protein bağlayıcı tasarımını dönüştürüp, verimliliği artırabilir ve yeni terapötik olasılıkların kapılarını aralayabilirsiniz.

Kaynak

Nvdia Blog

Düşüncenizi Paylaşın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

İlgili Teknoloji Haberleri