ブリストル・マイヤーズ スクイブ、医薬品発見のためにNvidia AIシステムを購入

ブリストル・マイヤーズ スクイブ（BMS）は、NvidiaのDGX SuperPODを購入することを発表した。このシステムはNvidiaの最新Vera Rubinアーキテクチャに基づいており、医薬品発見と開発における人工知能（AI）の利用を支援する。BMSは、Vera RubinベースのDGX SuperPODを取得する最初の生命科学企業となると述べている。Vera Rubinアーキテクチャは、今年初めにNvidiaが発表したもので、現在のAIコンピューティングシステムの後継にあたる。

新しいクラスターは、8台のDGX Vera Rubin NVL72システムで構成され、各ラックスケールシステムはNvidia Vera CPUとRubin GPUを組み合わせている。BMSはこのインフラを使用して、自社の研究プログラム全体で独自のモデルをトレーニングし、予測を実行する。システムは、化合物、タンパク質、その他の科学データに関わる作業をサポートする。財務条件は開示されていない。この購入により、BMSの既存のNvidiaインフラが拡張される。既存のインフラには、Vera Rubinより2～3世代古いと幹部が述べた旧型のSuperPODが含まれている。

BMSの既存のDGX SuperPODは約3年間運用されている。同社は、これをVera Rubinシステムと組み合わせ、世界中の研究サイトからアクセス可能な共有コンピューティング環境とする計画だ。SuperPODのソフトウェアスタックは、インフラ全体でトレーニング、予測、開発のワークロードをスケジュールできる。BMSは、拡張された環境により、より多くの科学者がコンピューティングリソースに直接アクセスできるようになると述べている。

BMSの最高デジタル・技術責任者であるGreg Meyers氏は、同社が研究組織全体で大規模なAIモデルを展開するにつれて、コンピューティング要件が増加していると述べた。研究ビジネスインサイト・テクノロジー担当バイスプレジデントのErin Davis氏は、既存のインフラは容量一杯で動作しており、その需要は大分子に関する大規模予測と内部基盤モデルの開発によるものだと述べた。Davis氏は、新しいシステムは少数の計算研究者に限定されず、現在のインフラに関連する待機期間やアクセス制限なしに研究組織全体で利用可能にする計画だと述べた。

医薬品発見において、BMSはAIがすべての小分子プログラムと大部分の大分子プログラムの設計に情報を提供していると述べている。この技術は、標的同定、リード最適化、大分子予測、内部モデル開発に適用されている。AI対応の標的同定により、一部の手動研究作業が数週間短縮された。大分子予測ワークロードも、追加のGPU容量への需要を生み出している。

BMSの最高研究責任者Robert Plenge氏は、新しいシステムにより、科学者は開発初期段階でより多くの潜在的な医薬品候補を評価できるようになると述べた。「以前は10個しかできなかったかもしれませんが、今は数十個できます。」計算スクリーニングにより、研究者は合成と実験室テストのために少数のグループを選択する前に、潜在的な化合物を評価できる。BMSは「Predict First」と呼ばれる方法でこのアプローチを採用しており、モデル生成予測を使用して、必要な特性を満たさない分子を除外してから候補を合成する。

治療発見科学担当シニアバイスプレジデントのPayal Sheth氏は、研究者は予測を使用して、必要な特性の組み合わせを持つ分子を特定すると説明した。「私たちは予測を、多パラメーター最適化を備えた分子の合成を優先する手段として使用しています。これにより、貴重な実験室実験が、成功の可能性が最も高い分子の進行に合わせられることが保証されます。」この方法により、実験室テストに送られる化合物の数が減り、実験は予測要件を満たす分子に集中できる。

BMSはまた、AIを利用してCELMoD化合物のライブラリーを拡大している。CELMoD化合物は、がんを引き起こすタンパク質を選択的に分解するように設計されている。同社はこれらの化合物を血液がんや他の疾患で研究している。モデリング作業により、研究者は実験的に追求する候補を決定する前に、追加のタンパク質標的と潜在的な化合物を調べることができた。

さらに、BMSはAIツールを使用して、臨床試験用の医薬品を製造するのに必要な時間を短縮している。Plenge氏によれば、このプロセスはすでに20～30%短縮されており、今後数年間で50%に達する可能性がある。彼は、初期臨床開発中の実験的鎌状赤血球症治療をAI支援研究の一例として挙げ、この治療法は同社のAIツールがなければ発見されなかったであろうと述べた。これらの数字は、臨床試験でのその後のパフォーマンスではなく、臨床テストの候補を特定し生成するのに必要な時間を指している。

Vera Rubinシステムはまた、研究者にNvidiaのBioNeMo Agent Toolkitへのアクセスを提供する。BioNeMoは、タンパク質構造予測、分子生成、分子ドッキング、配列解析、ゲノミクスのためのツールを提供し、同じ研究ワークフロー内で複数の計算ツールを接続できる。BMSの幹部は、人間の研究者がモデルの出力を引き続きレビューし、どの化合物やプログラムを進めるかを決定すると述べた。

BMSは、複雑な計算タスクを開始するために必要な専門知識を減らすことを目的としたツールを導入している。同社によれば、研究者は自然言語の指示を使用していくつかの予測リクエストを開始できるようになる。環境はNvidia Mission Controlを通じて管理され、クラスタープロビジョニング、インフラ監視、ワークロード管理などの機能を提供する。

統合インフラストラクチャにより、あるサイトで生成されたデータとモデル出力を他のチームが使用できる。例えば、ニュージャージー州ローレンスビルのプログラムからのデータセットは、サンディエゴの研究者がモデルに組み込むことができる。Sheth氏は、共有環境は組織全体の実験や研究プログラムからの情報を保持することを目的としていると述べた。「計算インフラは、すべての科学者を結びつけ、学習を制度化するものです。」2つのSuperPODは共通のデータ環境を通じて動作し、異なるサイトのチームが共有データセットとモデル出力にアクセスできる。環境には、実験、臨床リードアウト、研究パートナーシップからの情報が含まれる。

同社は、新しい計算能力を小分子および大分子設計、臨床研究、デジタルツインアプリケーションに割り当てる計画だ。BMSは計画中のデジタルツイン作業や各エリアに割り当てる容量の詳細を明らかにしていない。

Meyers氏は、Vera Rubinシステムは電力使用量に対してより多くの計算能力を提供すると述べた。BMSとNvidiaによれば、8システムクラスターは、置き換えるインフラの1メガワットあたりの性能の最大10倍を実現する。「これらのシステムをホストする場合、電気代を支払わなければなりません。ワットあたり10倍の計算能力と考えてください。電気は安くなっていません。」BMSは具体的な導入日や新しいシステムのホスト先を明らかにしていない。