Claude Science i Nvidia BioNeMo skracają analizy genomowe z godzin do sekund

Anthropic i Nvidia połączyły swoje technologie w sposób, który ma realnie skrócić czas potrzebny na odkrywanie nowych leków. Platforma badawcza Claude Science zyskała natywną integrację z pakietem narzędzi Nvidia BioNeMo Agent Toolkit, dzięki czemu naukowcy mogą zlecać złożone analizy biomolekularne zwykłym językiem naturalnym, a system sam uruchamia odpowiednie modele i biblioteki na rozproszonych zasobach GPU.

Claude Science trafił do publicznej bety pod koniec czerwca jako cyfrowy warsztat dla naukowców, opisywany przez Anthropic jako miejsce, w którym badacz prowadzi cały proces badawczy w rozmowie z agentem AI. Nowa integracja z BioNeMo dokłada do tego zaplecze obliczeniowe Nvidii wyspecjalizowane w naukach przyrodniczych, od genomiki po projektowanie molekuł.

Jak wygląda proces w praktyce

W typowym scenariuszu badacz zaczyna od wskazania konkretnej mutacji antygenu wywołującej nowotwór i prosi Claude'a o zaprojektowanie potencjalnych inhibitorów blokujących działanie zmutowanego białka. System, korzystając z BioNeMo Agent Toolkit i mikrousług Nvidia NIM, przeprowadza masowe przewidywanie, optymalizację i walidację kandydatów na leki, zwracając wyniki w czasie, który wcześniej wymagałby dni pracy zespołu.

To właśnie tempo jest sednem ogłoszenia. Nvidia podkreśla, że narzędzie Parabricks do analizy genomowej, które wcześniej wymagało godzin obliczeń na pojedynczych próbkach, teraz zwraca wyniki w kilka minut. Jeszcze bardziej widoczny skok dotyczy RAPIDS-singlecell, biblioteki do analizy danych z pojedynczych komórek, gdzie przetworzenie zbioru 1,3 miliona komórek skrócono z 52 minut do 25 sekund.

Skala przyspieszenia w liczbach

Najbardziej spektakularny wynik dotyczy chemoinformatyki. Narzędzie nvMolKit, odpowiedzialne za wyszukiwanie podobieństw chemicznych i generowanie konformerów molekuł, przyspiesza niektóre operacje nawet trzy tysiące razy względem tradycyjnych metod obliczeniowych. Dla laboratorium projektującego setki wariantów potencjalnego leku oznacza to możliwość przetestowania w ciągu dnia tego, co wcześniej zajmowało tygodnie.

Claude Science integruje się z Nvidia BioNeMo Agent Toolkit jako zasobem, do którego naukowcy mają dostęp bezpośrednio w swoim procesie pracy - z bloga NVIDIA

Kto już z tego korzysta

Skala adopcji BioNeMo w przemyśle farmaceutycznym robi wrażenie już teraz, jeszcze przed integracją z Claude Science. Nvidia podaje, że 18 z 20 największych firm farmaceutycznych na świecie wykorzystuje ten pakiet w środowiskach produkcyjnych, co oznacza, że nowe możliwości konwersacyjnego sterowania analizami trafiają od razu do organizacji prowadzących realne badania nad lekami, a nie tylko do laboratoriów akademickich testujących nowinki.

Integracja obejmuje też dostęp do konkretnych modeli biomolekularnych. Evo 2 służy do analizy i generowania sekwencji genetycznych, Boltz-2 przewiduje strukturę i oddziaływania białek, a OpenFold3 zajmuje się przewidywaniem struktur biomolekularnych. Wszystkie trzy są dostępne z poziomu Claude Science jako narzędzia, które agent może wywołać samodzielnie w odpowiedzi na pytanie badacza sformułowane zwykłym językiem.

Co to znaczy dla badań i dla Polski

Dla polskich instytutów badawczych i firm biotechnologicznych, które nie dysponują własną infrastrukturą GPU na skalę dużych koncernów farmaceutycznych, taka integracja obniża barierę wejścia do zaawansowanych analiz biomolekularnych. Zamiast budować własne potoki obliczeniowe do analizy genomu czy projektowania molekuł, zespół badawczy może skorzystać z gotowego zestawu narzędzi dostępnego przez chmurę, płacąc za czas obliczeń zamiast inwestować w sprzęt.

Tempo, w jakim Anthropic rozbudowuje Claude Science, wskazuje, że firma traktuje naukę jako jeden z priorytetowych obszarów zastosowań swoich modeli, obok programowania i pracy biurowej. Kilka tygodni po premierze bety platforma zyskała już drugie poważne partnerstwo technologiczne, tym razem z firmą kontrolującą większość rynku układów GPU wykorzystywanych do obliczeń naukowych.

Źródła: NVIDIA Blog (blogs.nvidia.com), Artificial Intelligence News (artificialintelligence-news.com), iMagazine (imagazine.pl)