HyperAI
Back to Headlines

Iambic Therapeutics s'associe à Lambda pour accélérer le développement de son modèle AI Enchant, révolutionnant la découverte de médicaments

il y a 3 jours

Iambic Therapeutics Optimise ses Progrès en IA avec le Support de Lambda San Jose, Californie — (COMMUNIQUÉ DE PRESSE) Iambic Therapeutics, une entreprise en phase clinique innovante dans le domaine des sciences de la vie et de la technologie, a annoncé sa collaboration étendue avec Lambda, une société spécialisée dans le cloud GPU fondée par des ingénieurs en IA. Cette démarche vise à équiper Iambic d'un cluster NVIDIA HGX B200 pour accélérer le développement et l'entraînement de sa plateforme AI Enchant, considérée comme un modèle de prédiction des propriétés moléculaires de pointe dans l'industrie pharmaceutique. Présentation de l'Enchant v2 L'Enchant de Iambic est un modèle transformatif multi-modale conçu pour prédire avec précision les points de repère cliniques et précliniques liés au processus de découverte et de développement de médicaments. Grâce à cet outil, les chercheurs peuvent évaluer la viabilité des nouvelles molécules de médicaments et faire des prédictions fiables même lorsque les données sont limitées, ce qui représente une avancée majeure pour comprendre l'effet potentiel des candidats médicamenteux sur le patient dès les premières étapes de recherche. La version récente, Enchant v2, offre des prédictions précises pour de nombreux paramètres biologiques, physico-chimiques, pharmacocinétiques, métaboliques et toxicologiques, essentiels au succès clinique des molécules étudiées. Matt Welborn, PhD, Vice-président des Technologies d'apprentissage automatique chez Iambic, souligne l’importance de cette mise à jour : « Avec l’introduction d’Enchant v2, nous avons montré la précision et la scalabilité du modèle. Nous pensons que nous pouvons accélérer rapidement ces progrès en augmentant simplement l’échelle du modèle. » L'utilisation du cluster NVIDIA HGX B200 fourni par Lambda facilitera cette expansion, permettant à Enchant d'étendre son spectre de prédiction et ainsi d'augmenter les chances de réussite des molécules en études humaines et d'améliorer l'efficacité du développement de médicaments. Applications et Avantages de l'Enchant Les prédictions d'Enchant, en particulier celles concernant la清除 (La phrase « en particulier celles concernant la清除 » semble avoir été coupée ou mal traduite. Voici une correction en français :) Les prédictions d'Enchant, en particulier celles concernant la clairance in vivo des médicaments, surpassent souvent les expériences in vitro, offrant un avantage significatif dans le contexte réglementaire où les développeurs de médicaments sont encouragés à étendre l'utilisation de tests numériques (in silico). Actuellement, Enchant est reconnu comme le modèle leader du secteur, établissant des performances exemplaires dans diverses tâches de prédiction des propriétés moléculaires. L'Enchant permet non seulement une optimisation multi-paramètres pour concevoir des médicaments plus efficaces mais aussi un tri judicieux des programmes de recherche et la conception d'essais cliniques pour la transition rapide de nouvelles molécules vers des applications thérapeutiques. Cette capacité a été validée par des benchmarks de performance et est déjà utilisée pour identifier des composés chimiques novateurs capables d'interférer avec des cibles biologiques difficiles, d'optimiser les profils de produits pour maximiser l'efficacité thérapeutique et d'évoluer rapidement à travers des cycles de conception-production-tests hebdomadaires grâce à l'intégration de modèles moléculaires générés par IA et d'une synthèse chimique automatisée. Partenariat avec Lambda Robert Brooks IV, membre de l'équipe de création et vice-président des revenus chez Lambda, a exprimé son enthousiasme quant à ce partenariat : « Nous sommes ravis de renforcer notre relation avec Iambic, une entreprise leader dans la découverte et le développement de médicaments guidés par l'IA. En utilisant les clusters 1-Click de Lambda pour des tests rapides et une validation, Iambic a pu évoluer sans heurts vers un cluster NVIDIA HGX B200, accélérant ainsi les avancées dans les sciences de la vie. » Lambda, entreprise fondée en 2012 par des ingénieurs en IA, offre une plateforme complète pour le calcul, le test et le déploiement d'algorithmes IA, couvrant les domaines allant du matériel GPU en local à des GPU hébergés dans le cloud. Son objectif est de rendre l'accessibilité aux ressources de calcul aussi simple et ubiquitaire que l'accès à l'électricité, un engagement crucial pour soutenir la croissance et l'innovation dans le domaine de l'IA. Aperçu de la Plateforme AI de Iambic La plateforme AI de Iambic a été conçue pour répondre aux défis les plus difficiles de la découverte de médicaments. Elle intègre des innovations technologiques telles que l'Enchant et le NeuralPLexer, un modèle prédictif de premier plan pour les structures protéiques et ligandes. Cette approche combine les principes de la physique dans les architectures AI, améliorant l'efficacité des données et permettant une exploration plus vaste de l'espace de structures chimiques possibles. Ainsi, Iambic identifie des modalités chimiques nouvelles pour cibler des objectifs biologiques complexes, optimise les profils produits pour maximiser l'intervalle thérapeutique et réalise une optimisation multi-paramètres pour des candidats de développement différenciés. Profil de Iambic Therapeutics Iambic Therapeutics, basée à San Diego et fondée en 2020, réunit une équipe d'experts en IA et de chasseurs de molécules expérimentés. La société utilise sa plateforme IA pour propulser de nouveaux candidats médicamenteux vers les essais cliniques sur des patients humains avec une rapidité sans précédent, et cela, pour différents types de cibles et mécanismes d'action. Iambic avance actuellement une gamme de programmes cliniques, tant internement qu'en partenariat, visant à répondre à des besoins médicaux pressants insatisfaits. Conclusion et Perspective d’Experts Ce partenariat entre Iambic et Lambda marque une étape significative dans l'optimisation du développement de médicaments guidé par l'IA. Selon des professionnels de l'industrie, l'adoption de technologies de calcul avancées et l'utilisation de modèles de prédiction performants comme Enchant représentent un potentiel considérable pour améliorer les processus actuels de découverte de médicaments, réduire les coûts et accélérer l'atteinte de thérapies efficaces. À Propos de Lambda Lambda a pour ambition de devenir la première plateforme de calcul IA, servant les développeurs à chaque stade de leur cycle de développement IA. En offrant des solutions allant du matériel GPU local aux GPU hébergés dans le cloud, Lambda simplifie, sécurise et rend abordable la construction, le test et le déploiement de produits de l'intelligence artificielle à grande échelle. Ce positionnement stratégique aligne perfectly (La correction de 'parfaitement' en français serait 'parfaitement', mais il est déjà juste.) Évaluation de l’Industrie Des spécialistes reconnaissent que l'impact de la collaboration Iambic-Lambda pourrait être transformateur, améliorant non seulement la précision des prédictions moléculaires mais aussi l'efficacité et la vitesse du processus de découverte de médicaments. L'intégration de l'IA dans la recherche pharmaceutique est une tendance en forte croissance, et ce partenariat est un parfait exemple de l'alignement entre des avancées technologiques et des besoins médicaux. Contact Pour en savoir plus sur les offres cloud de Lambda pour l'entraînement et l'inférence AI, cliquez ici. Pour plus de détails sur Iambic Therapeutics et sa plateformeAI, visitez Iambic.ai. Ce résumé présente de façon concise et claire les informations clés sur la collaboration entre Iambic Therapeutics et Lambda, mettant en avant les avancées technologiques et les implications pour l'industrie pharmaceutique. L’emphasis a été placée sur la précision, la scalabilité et l'efficacité de l'Enchant v2, ainsi que sur les bénéfices attendus de l’adoption de technologies avancées de calcul IA.

Related Links