A Genedata éles kutatási munkafolyamatokba építi be az RFD4-Proteina modellt

A Genedata elérhetővé tette az NVIDIA BioNeMo nyílt fehérjetervezési modelljeit, köztük az új RFD4-Proteina bindermodellt saját, mesterséges intelligenciával támogatott felfedezési munkafolyamataiban. A cél az AI által létrehozott molekuláris tervek, a laboratóriumi eredmények és a tudományos adatok összekapcsolása.
- A Genedata beépítette az RFD4-Proteina bindermodellt AI-alapú felfedezési munkafolyamataiba.
- A rendszer az NVIDIA BioNeMo nyílt fehérjetervezési modelljeit használja.
- A laboreredményeket az eredeti molekuláris tervekhez kapcsolják.
- A megoldás megőrzi az adatok eredetét, nyomon követhetőségét és tudományos kontextusát.
- A technológia a Danaher autonóm laboratóriumi kezdeményezéséhez is kapcsolódik.
Az RFD4-Proteina bekerül a termelési folyamatokba
A Genedata, a Danaher vállalata és biogyógyszeripari kutatás-fejlesztési vállalatoknak szánt vállalati szoftverek szolgáltatója október 22-én jelentette be az új integrációt. A vállalat az RFD4-Proteina bindermodellt az NVIDIA GTC Berlin rendezvényén történt bemutatását követően építette be AI-alapú felfedezési munkafolyamataiba.
A Genedata közlése szerint korai ökoszisztéma-partnerként a vállalatok között az elsők között teszi elérhetővé az RFD4-Proteina modellt termelési felfedezési munkafolyamataiban. A megoldás az NVIDIA BioNeMo nyílt fehérjetervezési modelljeit a kutatók által használt folyamatokba illeszti.
Az AI-tervektől a laboreredményekig
A munkafolyamat a célpont jellemzőinek és a szükséges tulajdonságoknak a meghatározásával kezdődik a Genedata AI co-scientist eszközében. Ezt követően az NVIDIA nyílt fehérjetervezési modelljei a Genedata környezetében hoznak létre és értékelnek jelölt kötőanyagokat.
Amikor a jelöltek laboratóriumi tesztelésre kerülnek, az eredményeket rögzítik, és az eredeti tervekhez kapcsolják. Ez segíti a kutatókat abban, hogy finomítsák és rangsorolják a következő kör jelöltjeit. A vállalat szerint így folyamatos tanulási ciklus jön létre, amelyben minden felfedezési kör eredménye hatással van a következő tervezési ciklusra.
Othmar Pfannes, a Genedata elnöke szerint az AI fejlődése korábban nem látott lehetőségeket teremt a fehérje- és antitestkutatásban. Mint fogalmazott: „A nagy teljesítményű modellekhez való hozzáférés önmagában azonban nem elegendő a teljes értékük kiaknázásához.” A Genedata vezetője szerint a kutatóknak a molekuláris tervezést, a kísérletek végrehajtását és a tudományos adatokat folyamatos tanulási folyamattá összekapcsoló megoldásra van szükségük.
Irányítás és nyomon követhetőség a kutatásban
A Genedata szerint számos szervezet továbbra is nehezen ülteti át a generatív AI-modelleket a termelési szintű tudományos kutatási folyamatokba. A vállalat platformja az NVIDIA BioNeMo nyílt modelljeinek, köztük az RFD4-Proteina modellnek a bevezetéséhez biztosítja a munkafolyamatok összehangolását, az irányítást és a tudományos adatkezelési alapot.
A kutatók az AI által létrehozott terveket meglévő folyamataikban alkalmazhatják, miközben a felfedezési életciklus során megőrizhető az adatok eredete, nyomon követhetősége és tudományos kontextusa. A Genedata közlése szerint ez lehetővé teszi, hogy a tudósok több jelöltet értékeljenek a laboratóriumi tesztelés előtt, és megőrizzék az egyes eredmények mögötti tudományos összefüggéseket.
Kapcsolódás a Danaher autonóm laboratóriumi kezdeményezéséhez
A képességek a Danaher autonóm laboratóriumi kezdeményezésében az AI-t, az automatizálást és a tudományos adatokat zárt hurkú felfedezési keretrendszerben kapcsolják össze. Ebben minden kísérleti eredmény információt ad a következő tervezési ciklushoz.
A felhasználók számára ez olyan kutatási folyamatot jelent, amelyben az AI-modellek által létrehozott tervek, a laboratóriumi végrehajtás és az eredmények ugyanabban a tanulási ciklusban kezelhetők. A Genedata hangsúlyozza, hogy a folyamat közben a tudósok irányítása megmarad.
PR Newswire: Genedata Expands AI Discovery Workflows with NVIDIA BioNeMo Open Models, Including the New RFD4-Proteina Release


