Bristol Myers Squibb đầu tư hệ thống siêu máy tính Nvidia AI để đẩy nhanh quá trình nghiên cứu thuốc

Bristol Myers Squibb đang mua một hệ thống Nvidia DGX SuperPOD được xây dựng trên kiến trúc Vera Rubin của nhà sản xuất chip này để hỗ trợ việc ứng dụng trí tuệ nhân tạo trong các hoạt động nghiên cứu và phát triển thuốc của hãng.

Công ty dược phẩm này cho biết họ sẽ là tập đoàn khoa học sự sống đầu tiên sở hữu hệ thống DGX SuperPOD dựa trên kiến trúc Vera Rubin. Nvidia đã giới thiệu kiến trúc này vào đầu năm nay như là thế hệ kế nhiệm cho các hệ thống điện toán AI hiện tại của hãng.

Mở rộng năng lực tính toán

Cụm máy chủ mới sẽ bao gồm tám hệ thống DGX Vera Rubin NVL72, với mỗi hệ thống quy mô rack kết hợp các bộ vi xử lý trung tâm (CPU) Nvidia Vera và các bộ vi xử lý đồ họa (GPU) Rubin.

BMS sẽ sử dụng cơ sở hạ tầng này để huấn luyện các mô hình độc quyền và chạy các dự đoán trong các chương trình nghiên cứu của mình. Hệ thống sẽ hỗ trợ công việc liên quan đến các hợp chất, protein và các dữ liệu khoa học khác.

Các điều khoản tài chính không được tiết lộ. Thương vụ này giúp mở rộng cơ sở hạ tầng Nvidia hiện có của BMS, vốn bao gồm một hệ thống SuperPOD cũ hơn mà các giám đốc điều hành công ty mô tả là đã lạc hậu từ hai đến ba thế hệ so với Vera Rubin.

BMS đã vận hành hệ thống DGX SuperPOD hiện tại được khoảng ba năm. Công ty có kế hoạch kết hợp nó với hệ thống Vera Rubin trong một môi trường điện toán dùng chung, có thể truy cập từ các cơ sở nghiên cứu của hãng trên toàn thế giới.

Ngăn xếp phần mềm (software stack) của SuperPOD có thể lập lịch cho các khối lượng công việc huấn luyện, dự đoán và phát triển trên toàn bộ cơ sở hạ tầng. BMS cho biết môi trường mở rộng này sẽ giúp nhiều nhà khoa học hơn có quyền truy cập trực tiếp vào các tài nguyên tính toán của hãng.

Greg Meyers, Giám đốc kỹ thuật và kỹ thuật số của BMS, cho biết nhu cầu tính toán đã tăng lên khi công ty triển khai các mô hình AI lớn hơn trên toàn bộ tổ chức nghiên cứu của mình.

Erin Davis, Phó chủ tịch phụ trách công nghệ và thông tin kinh doanh nghiên cứu tại BMS, cho biết cơ sở hạ tầng hiện tại đang hoạt động hết công suất. Bà cho rằng nhu cầu này xuất phát từ các dự đoán quy mô lớn liên quan đến các phân tử lớn và việc phát triển các mô hình nền tảng nội bộ.

Davis cho biết hệ thống mới sẽ không chỉ giới hạn cho một nhóm nhỏ các nhà nghiên cứu tính toán. BMS có kế hoạch cung cấp hệ thống này cho toàn bộ tổ chức nghiên cứu mà không còn các thời gian chờ đợi và giới hạn truy cập như cơ sở hạ tầng hiện tại.

Ứng dụng AI trong khám phá thuốc

BMS cho biết AI đóng vai trò quan trọng trong việc thiết kế mọi chương trình phân tử nhỏ và phần lớn các chương trình phân tử lớn của hãng. Công nghệ này được áp dụng vào việc xác định mục tiêu, tối ưu hóa dẫn xuất, dự đoán phân tử lớn và phát triển mô hình nội bộ.

Công ty cho biết việc xác định mục tiêu bằng AI đã giúp giảm bớt một số công việc nghiên cứu thủ công xuống vài tuần. Khối lượng công việc dự đoán phân tử lớn cũng đang góp phần làm tăng nhu cầu về năng lực xử lý đồ họa bổ sung.

Robert Plenge, Giám đốc nghiên cứu của BMS, cho biết hệ thống mới sẽ cho phép các nhà khoa học đánh giá nhiều ứng viên thuốc tiềm năng hơn trong các giai đoạn đầu của quá trình phát triển.

"Trước đây có lẽ chúng tôi chỉ có thể làm 10, nhưng giờ chúng tôi có thể làm hàng chục," Plenge nói.

Sàng lọc bằng máy tính cho phép các nhà nghiên cứu đánh giá các hợp chất tiềm năng trước khi chọn ra một nhóm nhỏ hơn để tổng hợp và thử nghiệm trong phòng thí nghiệm.

BMS áp dụng cách tiếp cận này thông qua một phương pháp mà họ gọi là "Predict First" (Dự đoán trước), sử dụng các dự đoán do mô hình tạo ra để loại bỏ các phân tử không đáp ứng các đặc tính yêu cầu trước khi chọn ứng viên để tổng hợp.

Payal Sheth, Phó chủ tịch cấp cao phụ trách khoa học khám phá trị liệu tại BMS, cho biết các nhà nghiên cứu sử dụng các dự đoán để xác định các phân tử có sự kết hợp các đặc tính cần thiết.

"Chúng tôi sử dụng các dự đoán như một cách để ưu tiên tổng hợp các phân tử với việc tối ưu hóa đa tham số," Sheth nói. "Điều này đảm bảo các thí nghiệm phòng thí nghiệm quý giá được tập trung vào việc phát triển các phân tử có xác suất thành công cao nhất."

Phương pháp này thu hẹp số lượng hợp chất được gửi đi thử nghiệm trong phòng thí nghiệm, cho phép các nhà nghiên cứu tập trung thí nghiệm vào các phân tử đáp ứng các yêu cầu dự đoán của chương trình.

BMS cũng đã sử dụng AI để mở rộng thư viện các hợp chất CELMoD, vốn được thiết kế để phân hủy có chọn lọc các protein gây ung thư. Công ty đang nghiên cứu các hợp chất này trong các bệnh ung thư máu và các bệnh khác.

BMS cho biết công việc mô hình hóa đã giúp các nhà nghiên cứu kiểm tra thêm các mục tiêu protein và các hợp chất tiềm năng trước khi quyết định ứng viên nào sẽ được theo đuổi bằng thực nghiệm.

Công ty cũng đang sử dụng các công cụ AI để rút ngắn thời gian cần thiết để sản xuất thuốc cho các thử nghiệm lâm sàng. Plenge cho biết quy trình này đã giảm từ 20% đến 30% và có thể đạt mức 50% trong những năm tới.

Ông dẫn chứng một phương pháp điều trị bệnh hồng cầu hình liềm thử nghiệm đang trong giai đoạn phát triển lâm sàng sớm là một ví dụ về nghiên cứu được hỗ trợ bởi AI. Plenge cho biết phương pháp điều trị này có lẽ đã không thể được phát hiện nếu không có các công cụ AI của công ty.

Các con số này đề cập đến thời gian cần thiết để xác định và sản xuất các ứng viên cho thử nghiệm lâm sàng chứ không phải hiệu quả sau đó của chúng trong các thử nghiệm.

Hệ thống Vera Rubin cũng sẽ cung cấp cho các nhà nghiên cứu quyền truy cập vào bộ công cụ BioNeMo Agent Toolkit của Nvidia dành cho các ứng dụng sinh học và khám phá thuốc.

BioNeMo cung cấp các công cụ để dự đoán cấu trúc protein, tạo phân tử, gắn kết phân tử (molecular docking), phân tích trình tự và hệ gen học. Nó cũng có thể kết nối nhiều công cụ tính toán trong cùng một quy trình nghiên cứu.

Các giám đốc điều hành của BMS cho biết các nhà nghiên cứu con người sẽ tiếp tục xem xét kết quả đầu ra của mô hình và quyết định xem hợp chất hoặc chương trình nào nên được tiến hành tiếp.

Kết nối các cơ sở nghiên cứu

BMS đang giới thiệu các công cụ nhằm giảm bớt kiến thức chuyên môn cần thiết để bắt đầu các tác vụ tính toán phức tạp. Công ty cho biết các nhà nghiên cứu sẽ có thể bắt đầu một số yêu cầu dự đoán bằng cách sử dụng các hướng dẫn ngôn ngữ tự nhiên.

Theo BMS, môi trường này sẽ được quản lý thông qua Nvidia Mission Control, với các chức năng bao gồm cung cấp cụm máy chủ, giám sát cơ sở hạ tầng và quản lý khối lượng công việc.

Cơ sở hạ tầng thống nhất sẽ cho phép dữ liệu và kết quả đầu ra của mô hình được tạo ra tại một cơ sở có thể được sử dụng bởi các nhóm ở nơi khác. Ví dụ, BMS cho biết các tập dữ liệu từ một chương trình ở Lawrenceville, New Jersey, có thể được tích hợp vào các mô hình được sử dụng bởi các nhà nghiên cứu ở San Diego.

Sheth cho biết môi trường dùng chung này nhằm mục đích lưu giữ thông tin từ các thí nghiệm và chương trình nghiên cứu trên toàn tổ chức.

"Cơ sở hạ tầng tính toán là thứ kết nối tất cả các nhà khoa học của chúng tôi lại với nhau và đảm bảo rằng những kiến thức chúng tôi học được sẽ được thể chế hóa," Sheth nói.

Hai hệ thống SuperPOD sẽ hoạt động thông qua một môi trường dữ liệu chung, cho phép các nhóm tại các cơ sở khác nhau truy cập vào các tập dữ liệu và kết quả đầu ra của mô hình được chia sẻ. BMS cho biết môi trường này sẽ bao gồm thông tin từ các thí nghiệm, kết quả lâm sàng và các quan hệ đối tác nghiên cứu.

Công ty có kế hoạch phân bổ năng lực tính toán mới cho các ứng dụng thiết kế phân tử nhỏ và lớn, nghiên cứu lâm sàng và bản sao kỹ thuật số (digital-twin). BMS không cung cấp chi tiết về công việc liên quan đến bản sao kỹ thuật số hoặc lượng năng lực được phân bổ cho từng lĩnh vực.

Meyers cho biết hệ thống Vera Rubin sẽ cung cấp nhiều năng lực tính toán hơn so với mức tiêu thụ điện năng của nó. BMS và Nvidia cho biết cụm tám hệ thống này sẽ mang lại hiệu suất trên mỗi megawatt cao gấp 10 lần so với cơ sở hạ tầng mà nó thay thế.

"Khi bạn vận hành những thứ này, bạn phải trả hóa đơn tiền điện," Meyers nói. "Hãy coi đó là năng lực tính toán gấp 10 lần trên mỗi watt tiêu thụ... Điện năng không hề rẻ đi."