AWS startet Amazon Bio Discovery, um die KI-gestützte Forschung in den Biowissenschaften voranzutreiben

Mit Amazon Bio Discovery können Wissenschaftler in ihrer bevorzugten Terminologie mit einem KI-Agenten - einem intelligenten Assistenten, der komplexe Aufgaben automatisiert - kommunizieren, um die richtigen Modelle für ihre Forschungsziele auszuwählen, die Eingaben zu optimieren und Kandidaten für Experimente zu bewerten. Die Wissenschaftler können die Modelle auch anhand ihrer früheren Versuchsdaten trainieren, um genauere Vorhersagen zu treffen. Darüber hinaus können sie die Kandidaten problemlos zur Synthese und zum Testen an physikalische Labore schicken, wobei die Ergebnisse zur schnellen Iteration zurück in die Anwendung geleitet werden, wodurch ein Lab-in-the-Loop-Experimentierzyklus entsteht.

Abbau von Hindernissen für die Einführung von KI in der Arzneimittelforschung

In den letzten Jahren haben die Fortschritte in der generativen KI zu einer explosionsartigen Zunahme neuer maschineller Lernmodelle geführt, die von der Vorhersage der physikalischen Struktur von Proteinen bis hin zur Bewertung von Wirkstoffkandidaten auf der Grundlage ihrer chemischen Eigenschaften reichen. Diese Modelle sind zwar vielversprechend, erfordern aber Programmierkenntnisse und die Fähigkeit, die Computerinfrastruktur zu verwalten. Allein die Auswahl der Modelle ist eine Herausforderung, da es Dutzende solcher Modelle gibt und es schwierig ist, sie miteinander zu vergleichen. Infolgedessen fällt es vielen Wissenschaftlern schwer, KI-Modelle unabhängig zu nutzen, und Computerbiologen - die Experten, die über spezielle KI-Kenntnisse verfügen, die ihnen helfen könnten - sind Mangelware.

Es ist auch kompliziert, Kandidaten von der rechnerischen Entwicklung zur physikalischen Synthese zu bringen. Die Daten befinden sich in unverbundenen Systemen, und die Wissenschaftler müssen mehrere Laborpartner verwalten und Zeitpläne und Preise manuell koordinieren.

Amazon Bio Discovery begegnet diesen Herausforderungen mit drei Schlüsselfähigkeiten: einer mit Benchmarks versehenen Bibliothek von KI-Modellen und Analysepaketen, einem KI-Agenten, der Forscher bei der Planung von Experimenten unterstützt, und integrierten Laborpartnern, die die vielversprechendsten Antikörperkandidaten testen und die Ergebnisse an die Wissenschaftler zurückleiten. Durch diese Rückkopplungsschleife wird die nächste Runde der Entwicklung verbessert.

"KI-Agenten machen leistungsstarke wissenschaftliche Fähigkeiten für alle Arzneimittelforscher zugänglich, nicht nur für diejenigen mit Computerexpertise", sagt Rajiv Chopra, Vice President von AWS Healthcare AI and Life Sciences. "Diese KI-Systeme können Wissenschaftlern dabei helfen, Medikamentenmoleküle zu entwerfen, Tests zu koordinieren, aus den Ergebnissen zu lernen und mit jedem Experiment intelligenter zu werden. Diese Kombination aus hochmoderner KI und der robusten, sicheren Infrastruktur, die AWS für regulierte Branchen aufgebaut hat, ermöglicht es Wissenschaftlern, die Entdeckung von Antikörpern auf eine Weise zu beschleunigen, die zuvor nicht möglich war."

Amazon Bio Discovery baut auf demselben Fundament auf, auf das die Pharmaindustrie bereits vertraut. Heute nutzen 19 der 20 weltweit führenden Pharmaunternehmen AWS, um ihre sensibelsten Forschungsarbeiten auszuführen. Amazon Bio Discovery bietet Forschern in allen pharmazeutischen, biotechnologischen und akademischen Forschungsorganisationen Skalierbarkeit, Leistung, Datenschutz und Sicherheit auf Unternehmensniveau. Es bietet eine vollständige Datenisolierung und gibt den Kunden das Eigentum an all ihren proprietären Daten und ihrem geistigen Eigentum.

Nutzen Sie KI in der Forschung mit Leichtigkeit und Vertrauen

Amazon Bio Discovery stellt Wissenschaftlern einen breiten Katalog von KI-Modellen für die Arzneimittelforschung zur Verfügung, darunter führende Open-Source- und kommerzielle Modelle von Partnern wie Apheris und Boltz, demnächst auch Biohub und Profluent. Noch wichtiger ist, dass ein KI-Agent die Wissenschaftler durch jeden Schritt begleitet - von der Planung von Experimenten bis zur Auswahl der vielversprechendsten KI-Kandidaten für Labortests. Wissenschaftler können mithilfe von natürlicher Sprache Experimentrezepte erstellen - schrittweise Arbeitsabläufe, die verschiedene Modelle und Analysen kombinieren - und bewerten, welches Modell für ihre Forschungsanforderungen am besten geeignet ist. Zur weiteren Unterstützung der Modellauswahl steht ein umfangreicher und wachsender Antikörper-Benchmark-Datensatz zur Verfügung, der zeigt, wie wahrscheinlich es ist, dass ein Wirkstoffkandidat leicht hergestellt werden kann, über einen bestimmten Temperaturbereich stabil bleibt und geeignete biologische Eigenschaften aufweist.

Verbesserung von KI-Modellen mit früheren experimentellen Daten der Wissenschaftler

Die Feinabstimmung von KI-Modellen mit eigenen experimentellen Daten führt zu intelligenteren Vorhersagen, besseren Kandidaten und weniger Versuchsiterationen. Dies erfordert jedoch spezielle Teams für maschinelles Lernen und eine teure Infrastruktur, was für die meisten Wissenschaftler unerschwinglich ist.

Amazon Bio Discovery ändert dies, indem es Wissenschaftlern ermöglicht, vorherige experimentelle Daten aus den Laborergebnissen ihrer Organisation sicher in die Anwendung einzuspeisen. Sie können ihre eigenen Labordaten verwenden, um benutzerdefinierte Modelle mit nur wenigen Klicks zu trainieren - ohne komplexe Trainings-Pipelines zu erstellen oder benutzerdefinierten Code zu schreiben. Alle fein abgestimmten Modelle bleiben privat und nur für den Benutzer oder seine Organisation zugänglich. Organisationen, die bereits ihre eigenen internen Modelle erstellt haben, können diese Modelle problemlos in Amazon Bio Discovery bereitstellen und hosten. Zusammen helfen diese Funktionen sowohl Wissenschaftlern als auch Computerbiologen, effizienter zusammenzuarbeiten und einen kontinuierlichen Verbesserungszyklus zu schaffen, der die Forschung im Laufe der Zeit beschleunigt.

Schließen Sie den Kreislauf der Arzneimittelentdeckung mit integrierten Laborpartnern

Sobald Wissenschaftler die besten Antikörperkandidaten identifiziert haben, können sie diese direkt an das integrierte Netzwerk von Laborpartnern von Amazon Bio Discovery senden, die die Moleküle physisch synthetisieren und testen. Partner wie Twist Bioscience, Ginkgo Bioworks - und demnächst auch A-Alpha Bio - bieten Dienstleistungen mit transparenten Preisen und Durchlaufzeiten an. Die Tests liefern wichtige Informationen, anhand derer die Wissenschaftler entscheiden können, welche Kandidaten für die weitere Entwicklung in Frage kommen.

Die Laborergebnisse fließen zurück in die Anwendungsumgebung des Unternehmens, sodass alle Daten miteinander verbunden bleiben und der nächste Entwicklungszyklus verbessert wird. Eine einzige Anwendung ersetzt manuelle Übergaben und unverbundene Systeme und schließt den experimentellen Kreislauf.

Entwicklung neuer Antikörper mit dem Memorial Sloan Kettering Cancer Center

Dr. Nai-Kong Cheung, Inhaberin des Enid A. Haupt-Lehrstuhls für Pädiatrische Onkologie am Memorial Sloan Kettering Cancer Center (MSK), stand vor einer bekannten Herausforderung. Der Prozess der Identifizierung eines vielversprechenden Ansatzes zur Bekämpfung von Krebszellen und die Entwicklung eines Antikörper-Wirkstoffkandidaten mit herkömmlichen Designmethoden dauert zu lange.

In Zusammenarbeit mit MSK arbeitete das Team von Amazon Bio Discovery mit Cheung zusammen, um diese Herausforderung zu meistern. Mithilfe des Agenten von Amazon Bio Discovery zur Orchestrierung mehrerer Modelle entwarfen sie fast 300.000 neue Antikörpermoleküle. Die 100.000 besten Kandidaten wurden dann an Twist Bioscience zur Prüfung weitergeleitet. Was mit herkömmlichen Designmethoden bis zu einem Jahr dauert, dauerte vom Entwurf der Kandidaten bis zur Übermittlung an die Labortests nur Wochen.

"Wir freuen uns, mit Amazon Bio Discovery zusammenzuarbeiten, um die nächste Generation von Antikörpern zu entwickeln, die möglicherweise den Prozess beschleunigen, um Patienten weltweit zu helfen", sagte Cheung. "Als Forscher haben wir 20 Jahre damit verbracht, zu beweisen, dass die erste Generation von Antikörpern funktioniert, und dann haben wir weitere 13 Jahre damit verbracht, sie in die menschliche Form zu bringen, bevor wir die FDA-Zulassung erhielten. Dieser Weg war sehr ineffizient. Die Patienten kommen mit einem Zeitdruck hierher. Wir brauchen schnellere Ergebnisse.

"Neben MSK gehören auch Bayer, das Broad Institute, das Fred Hutch Cancer Center und Voyager Therapeutics zu den frühen Anwendern von Amazon Bio Discovery.