Используя платформу Groq на стенде ALCF AI Testbed, исследователи смогли ускорить процесс поиска среди огромного количества небольших молекул, чтобы найти многообещающие кандидаты в лекарства.
Как только в начале 2020 года разразилась пандемия COVID-19, ученые начали спешить со временем, чтобы найти противовирусное лекарство, которое могло бы вылечить эту болезнь. Учитывая миллиарды и миллиарды потенциальных кандидатов на лекарства, исследователям нужен был способ значительно ускорить их поиск. Они обнаружили, что ответ заключается в искусственном интеллекте (ИИ), пишет medicalxpress.com.
С самого начала пандемии исследователи Аргоннской национальной лаборатории Министерства энергетики США (DOE) использовали ИИ для поиска среди огромного количества небольших молекул в поисках подходящих кандидатов в лекарственные препараты. Недавно они использовали новое вычислительное оборудование, чтобы ускорить процесс, сократив поиск, который первоначально мог занять годы, до простых минут.
Чтобы определить, может ли небольшая молекула составлять основу полезного противовирусного препарата, исследователям необходимо вычислить, насколько хорошо она связывается с различными карманами одного из вирусных белков SARS-CoV-2, вызывающего COVID-19. «Вы можете думать о вирусном белке как о комке пережеванной жевательной резинки», - сказал аргоннский ученый-вычислитель Том Бреттин. «Мы хотим увидеть, насколько хорошо разные молекулы прикрепляются к разным уголкам и трещинам в« жевательной резинке »».
По словам Бреттина, энергия связывания небольшой молекулы с белком зависит от множества факторов, включая как геометрию молекулы, так и электронные взаимодействия между молекулой и белком.
Вычисление энергии связи малых молекул начинается с их анализа по очереди с помощью программ на основе физики на суперкомпьютерах ведущего класса, включая Argonne Theta, который является частью Argonne Leadership Computing Facility (ALCF). Эти оценки связывания затем используются для обучения алгоритма искусственного интеллекта поиску молекул с наименьшей энергией связывания.
«С помощью ИИ мы перешли от обработки одного соединения в секунду до 1000 соединений в секунду и, в конечном итоге, до 50 000 соединений в секунду», - сказал аргонский ученый-вычислительный специалист Хюнсын (Гарри) Ю.
По словам Бреттина, преимущество использования ИИ заключается в том, что он может быстро адаптироваться и приспособиться к химическим структурам, которых он никогда не видел, которые никогда не синтезировались и не существуют в природе. «Искусственный интеллект дает нам скорость и гибкость, которых трудно достичь чисто физическим вычислениям», - сказал он.
Еще одно преимущество ИИ заключается в том, что он немедленно генерирует минимально возможную энергию связывания для каждого кандидата, вместо того, чтобы выполнять большое количество вычислений методом проб и ошибок для различных конфигураций молекул, когда они прикрепляются к сайту белка.
Хотя 50 000 предсказаний в секунду могут показаться большой скоростью, Бреттин и Ю все еще были заинтересованы в еще большем ускорении вычислений. Они обратились к испытательному стенду ALCF AI , растущей коллекции некоторых из самых передовых в мире платформ искусственного интеллекта, включая ускоритель GroqChip.
В тестах на большом наборе данных о малых молекулах исследователи обнаружили, что они могут сделать 20 миллионов предсказаний или выводов в секунду, что значительно сократит время, необходимое для каждого поиска.
После того, как лучшие кандидаты были найдены, исследователи определили, какие из них можно было бы получить на коммерческой основе, и протестировали их на человеческих клетках в лаборатории Говарда Т. Рикеттса, лаборатории биологических исследований, расположенной в кампусе Аргонна. «Без ИИ мы никогда не смогли бы провести исчерпывающий поиск на компьютере и доставить его в лабораторию», - сказал Ю. «Это показывает силу компьютеров в реальной биологии».
