IBM ricerca ha open source due foundation model biomedici, offrendo alla comunità scientifica potenti strumenti per la scoperta di farmaci.
I modelli includono diverse modalità (inclusi sequenze, grafici e immagini) e coprono molteplici domini (inclusi bersagli, piccole molecole e biologici), conferendo loro un vantaggio rispetto ad altri modelli nello spazio aperto.
"La sfida principale e la lacuna nei modelli esistenti è capire come aggregare le informazioni provenienti da più modalità e collegarle tra più domini", afferma Michal Rosen-Zvi, Director of AI for Drug Discovery presso IBM Research. "Stiamo colmando queste lacune con i modelli che stiamo rendendo open source e le metodologie che li sostengono." L'AI generativa può semplificare lo sviluppo tradizionale di farmaci, che spesso è lungo e costoso. Tipicamente, il processo di sviluppo prevede quattro fasi critiche: identificare una proteina target collegata a una malattia, confermare che interagire con questa bersaglio può prevenire i sintomi o curare la condizione, scoprire una piccola molecola o un farmaco biologico che interagisce con il target e ottimizzare la terapia candidata.
"In definitiva, crediamo che i nostri modelli abbiano il potenziale per guidare la scoperta scientifica con maggiore rapidità e su larga scala", afferma Jianying Hu, IBM Fellow e Director of Healthcare and Life Sciences Research.
I ricercatori affermano che la decisione di rendere open source entrambi i modelli è nata anche dalla convinzione che i foundation model di AI responsabile debbano essere sviluppati alla luce del sole. A tal fine, la ricerca IBM ha iniziato a lavorare in collaborazione con la Boston University, Red Hat e la Cleveland Clinic su un nuovo gruppo di lavoro dell'AI Alliance dedicato alle applicazioni open source dell'AI nella scoperta di farmaci. Verrà lanciato presso la Boston University il 30 ottobre 2024. "L'open source permetterà alla comunità di riunire le menti più brillanti e lavorare insieme per affrontare le domande più difficili, affrontando le attuali lacune nei metodi computazionali per la scoperta di farmaci", afferma Rosen-Zvi.