브리스톨 마이어스 스퀴브가 Nvidia의 AI 플랫폼을 인수하여 신약 개발을 가속화한다

브리스톨 마이어스 스퀴브는 신약 발견 및 개발 파이프라인에서 인공지능 응용 프로그램을 가속화하기 위해 베라 루빈 아키텍처를 기반으로 하는 엔비디아 DGX 슈퍼팟을 인수했습니다.

이 제약 거대기업은 올해 초 이전 세대의 후속작으로 공개된 엔비디아의 최신 AI 컴퓨팅 아키텍처인 베라 루빈을 기반으로 한 DGX 슈퍼팟을 도입하는 첫 번째 생명과학 기관이 될 예정입니다.

컴퓨팅 용량 확대

새로운 클러스터는 8대의 DGX 베라 루빈 NVL72 시스템으로 구성되며, 각 랙 규모 단위는 엔비디아의 베라 중앙처리장치(CPU)와 루빈 그래픽처리장치(GPU)를 통합합니다.

BMS는 이 인프라를 활용하여 자체 모델을 학습하고 연구 이니셔티브 전반에 걸쳐 예측을 수행하며, 화합물, 단백질 및 기타 과학적 데이터셋과 관련된 작업을 지원합니다.

거래의 재무 세부사항은 아직 공개되지 않았습니다. 이번 인수는 기존 엔비디아 인프라를 보강하는 것으로, 임원들이 베라 루빈보다 두세 세대 뒤떨어진다고 언급한 이전 세대의 슈퍼팟이 포함되어 있습니다.

BMS는 현재 DGX 슈퍼팟을 약 3년간 운영해 왔습니다. 이 회사는 기존 시스템을 새로운 베라 루빈 시스템과 통합하여 전 세계 연구 사이트에서 접근 가능한 단일 컴퓨팅 환경을 구축할 계획입니다.

슈퍼팟 소프트웨어 스택은 인프라 전반에 걸쳐 학습, 예측 및 개발 워크로드를 관리합니다. BMS에 따르면 이 확장된 설정은 더 많은 과학자들이 컴퓨팅 자원에 직접 광범위하게 접근할 수 있도록 해줄 것입니다.

BMS의 최고 디지털 및 기술 책임자(Greg Meyers)는 회사가 연구 조직 전반에 걸쳐 더 큰 AI 모델을 도입함에 따라 컴퓨팅 수요가 급증했다고 밝혔습니다.

BMS의 연구 비즈니스 인사이트 및 기술 부사장(Erin Davis)은 기존 인프라가 최대 용량으로 운영되고 있다고 지적했습니다. 그녀는 이러한 수요가 복잡한 분자를 다루는 대규모 예측과 내부 파운데이션 모델 개발에서 비롯된 것이라고 설명했습니다.

Davis는 새로운 시스템이 소수의 계산 연구자 그룹에 제한되지 않을 것이라고 강조했습니다. BMS는 이를 전 연구 조직 전체에 제공하여 현재 설정의 대기 시간과 접근 제한을 없앨 계획입니다.

신약 발견에서의 AI 적용

BMS는 현재 AI가 모든 소분자 프로그램의 설계와 대분자 프로그램의 대부분에 영향을 미치고 있다고 보고했습니다. 이 기술은 표적 식별, 선도 화합물 최적화, 대분자 예측 및 내부 모델 개발에 적용됩니다.

회사는 AI 기반 표적 식별이 수동 연구 노력을 몇 주 정도 줄였다고 밝혔습니다. 대분자 예측 워크로드는 추가적인 그래픽 처리 용량에 대한 필요성도 촉진하고 있습니다.

BMS의 최고 연구 책임자(Robert Plenge)는 새로운 시스템이 초기 개발 단계에서 더 많은 잠재적 약물 후보를 평가할 수 있게 해줄 것이라고 말했습니다.

“아마도 이전에는 10개를 수행할 수 있었지만, 이제는 수십 개를 수행할 수 있게 될 것입니다,”라고 Plenge은 말했습니다.

계산적 스크리닝을 통해 연구자들은 합성 및 실험실 테스트를 위해 작은 하위 집합을 선택하기 전에 잠재적 화합물을 평가할 수 있습니다.

BMS는 ‘Predict First’라는 방법을 통해 이러한 접근 방식을 적용하며, 이는 후보가 합성을 위해 선택되기 전에 필요한 특성을 충족하지 못하는 분자를 제외하기 위해 모델이 생성한 예측을 사용합니다.

BMS의 치료 발견 과학 수석 부사장(Payal Sheth)은 연구자들이 이러한 예측을 사용하여 원하는 특성 조합을 가진 분자를 식별한다고 말했습니다.

“우리는 다중 매개변수 최적화를 갖춘 분자의 합성을 우선순위화하는 방법으로 예측을 사용합니다,”라고 Sheth은 말했습니다. “이는 귀중한 실험실 실험이 성공 확률이 가장 높은 분자의 진행과 일치하도록 보장합니다.”

이 방법은 실험실 테스트를 위해 보내지는 화합물의 수를 줄여, 연구원들이 프로그램의 예측된 요구사항을 충족하는 분자에 실험을 집중할 수 있게 합니다.

BMS는 또한 암을 유발하는 단백질을 선택적으로 분해하도록 설계된 CELMoD 화합물 라이브러리를 확장하기 위해 AI를 사용해 왔습니다. 이 회사는 혈액암 및 기타 질환에서 이러한 화합물을 연구하고 있습니다.

BMS는 모델링 작업이 연구원들이 실험적으로 추구할 후보를 결정하기 전에 추가적인 단백질 표적과 잠재적 화합물을 조사하는 데 도움이 되었다고 밝혔습니다.

회사는 또한 임상 시험을 위한 의약품 생산에 필요한 시간을 단축하기 위해 AI 도구를 사용하고 있습니다. Plenge은 이 과정이 이미 20%에서 30% 단축되었으며, 향후 수년 내에 50%에 달할 수 있다고 말했습니다.

그는 초기 임상 개발 단계에 있는 실험적 겸형 적혈구 빈혈증 치료를 AI 지원 연구의 예로 꼽았습니다. Plenge은 이 치료법이 회사의 AI 도구 없이는 발견되지 않았을 것이라고 말했습니다.

이 수치는 임상 테스트를 위한 후보 식별 및 생산에 필요한 시간을 의미하며, 이후 임상 시험에서의 성과와는 관련이 없습니다.

베라 루빈 시스템은 또한 연구원들에게 생물학 및 신약 발견 응용을 위한 엔비디아의 BioNeMo 에이전트 툴킷에 대한 접근 권한을 제공합니다.

BioNeMo는 단백질 구조 예측, 분자 생성, 분자 도킹, 시퀀스 분석 및 유전체학을 위한 도구를 제공합니다. 또한 동일한 연구 워크플로우 내에서 여러 계산 도구를 연결할 수도 있습니다.

BMS 임원들은 인간 연구원이 모델 출력을 계속 검토하고 어떤 화합물이나 프로그램을 진행할지 결정할 것이라고 강조했습니다.

연구 사이트 연결

BMS는 복잡한 컴퓨팅 작업을 시작하는 데 필요한 전문 지식을 줄이기 위해 설계된 도구를 도입하고 있습니다. 이 회사는 연구원들이 자연어 지침을 사용하여 일부 예측 요청을 시작할 수 있을 것이라고 말했습니다.

이 환경은 클러스터 프로비저닝, 인프라 모니터링 및 워크로드 관리를 처리하는 엔비디아 미션 컨트롤을 통해 관리됩니다.

통합 인프라를 통해 한 사이트에서 생성된 데이터와 모델 출력을 다른 팀이 사용할 수 있습니다. BMS는 예를 들어 뉴저지주 로렌스빌의 프로그램에서 얻은 데이터셋을 샌디에고의 연구자들이 사용하는 모델에 통합할 수 있다고 언급했습니다.

Sheth은 공유 환경이 조직 전체의 실험 및 연구 프로그램에서 얻은 정보를 보존하는 것을 목표로 한다고 말했습니다.

“컴퓨팅 인프라는 모든 과학자들을 연결하고 우리의 학습이 제도화되도록 보장합니다,”라고 Sheth은 말했습니다.

두 슈퍼팟은 공통 데이터 환경을 통해 운영되며, 서로 다른 사이트의 팀이 공유 데이터셋과 모델 출력에 접근할 수 있습니다. BMS는 이 환경에는 실험, 임상 판독 결과 및 연구 파트너십에서 얻은 정보가 포함될 것이라고 밝혔습니다.

회사는 새로운 컴퓨팅 용량을 소분자 및 대분자 설계, 임상 연구 및 디지털 트윈 응용 분야에 할당할 계획입니다. BMS는 계획된 디지털 트윈 작업이나 각 영역에 할당된 용량에 대한 세부사항을 제공하지 않았습니다.

Meyers는 베라 루빈 시스템이 전력 사용량 대비 더 많은 컴퓨팅 용량을 제공할 것이라고 말했습니다. BMS와 엔비디아는 8대 시스템 클러스터가 기존 인프라 대비 메가와트당 성능이 최대 10배 향상될 것이라고 밝혔습니다.

“이러한 것을 호스팅할 때 전기 요금을 지불해야 합니다,”라고 Meyers은 말했습니다. “지불하는 와트당 컴퓨팅 용량이 10배 더 많다고 생각하십시오… 전기는 저렴해지지 않습니다.”

BMS는 구체적인 도입 날짜를 제공하지 않았으며, 새로운 시스템이 호스팅될 위치도 명시하지 않았습니다.

관련 기사: 미국 공공 보건 기관, 오픈AI 및 앤트로픽 AI 모델 테스트 예정

산업 리더들로부터 AI와 빅데이터에 대해 더 자세히 알고 싶으신가요? 암스테르담, 캘리포니아, 런던에서 개최되는 AI & 빅데이터 엑스포를 확인하세요. 이 종합 행사는 TechEx의 일부이며 사이버 보안 및 클라우드 엑스포를 비롯한 기타 주요 기술 행사와 함께 개최됩니다. 자세한 정보는 여기를 클릭하세요.

AI 뉴스는 TechForge Media에 의해 제공됩니다. 여기에서 다른 다가오는 기업 기술 행사 및 웹 세미나를 탐색하세요.