AWS lance Amazon Bio Discovery pour accélérer la recherche alimentée par l'IA dans les sciences de la vie

Avec Amazon Bio Discovery, les scientifiques peuvent converser naturellement dans la terminologie de leur choix avec un agent d'IA - un assistant intelligent qui automatise les tâches complexes - afin de sélectionner les bons modèles pour leurs objectifs de recherche, d'optimiser les entrées et d'évaluer les candidats pour l'expérimentation. Les scientifiques peuvent également entraîner les modèles sur leurs données expérimentales antérieures afin d'obtenir des prédictions plus précises. En outre, ils peuvent facilement envoyer les candidats dans des laboratoires physiques pour les synthétiser et les tester, les résultats étant renvoyés vers l'application pour une itération rapide, ce qui crée un cycle d'expérimentation en boucle dans le laboratoire.

Lever les obstacles à l'adoption de l'IA dans la découverte de médicaments

Au cours des dernières années, les progrès de l'IA générative ont donné lieu à une explosion de nouveaux modèles d'apprentissage automatique, allant de la prédiction de la structure physique des protéines à l'évaluation des candidats sur la base de leurs propriétés chimiques. Bien que ces modèles soient prometteurs, ils nécessitent des compétences en codage et la capacité de gérer l'infrastructure informatique. La sélection des modèles est difficile car il en existe des dizaines et il est difficile de les comparer les uns aux autres. Par conséquent, de nombreux scientifiques peinent à utiliser les modèles d'IA de manière indépendante, et les biologistes computationnels - les experts qui possèdent des compétences spécialisées en IA susceptibles de les aider - sont peu nombreux.

Il est également difficile de faire passer les candidats de la conception informatique à la synthèse physique. Les données sont stockées dans des systèmes déconnectés et les scientifiques doivent gérer plusieurs partenaires de laboratoire et coordonner manuellement les délais et les prix.

Amazon Bio Discovery relève ces défis grâce à trois capacités clés : une bibliothèque de modèles d'IA et de progiciels d'analyse étalonnés, un agent d'IA qui aide les chercheurs à concevoir des expériences, et des partenaires de laboratoire intégrés qui testent les anticorps candidats les plus prometteurs et renvoient les résultats aux scientifiques. Cette boucle de rétroaction permet d'améliorer le prochain cycle de conception.

"Les agents d'intelligence artificielle rendent de puissantes capacités scientifiques accessibles à tous les chercheurs de médicaments, et pas seulement à ceux qui ont une expertise en informatique", a déclaré Rajiv Chopra, vice-président d'AWS Healthcare AI and Life Sciences. "Ces systèmes d'IA peuvent aider les scientifiques à concevoir des molécules médicamenteuses, à coordonner les tests, à tirer des enseignements des résultats et à devenir plus intelligents à chaque expérience. Cette combinaison d'une IA de pointe et de l'infrastructure robuste et sécurisée qu'AWS a construite pour les industries réglementées permet aux scientifiques d'accélérer la découverte d'anticorps d'une manière qui n'était pas possible auparavant."

Amazon Bio Discovery repose sur les mêmes bases que celles auxquelles l'industrie pharmaceutique fait déjà confiance. Aujourd'hui, 19 des 20 premières entreprises pharmaceutiques mondiales utilisent AWS pour alimenter leurs charges de travail de recherche les plus sensibles. Amazon Bio Discovery permet aux chercheurs de toutes les entreprises pharmaceutiques, biotechnologiques et universitaires de bénéficier d'une échelle, d'une performance, d'une confidentialité et d'une sécurité de niveau professionnel. Il permet une isolation complète des données et donne aux clients la propriété de toutes leurs données exclusives et de leur propriété intellectuelle.

Utiliser l'IA dans la recherche avec facilité et confiance

Amazon Bio Discovery met à la disposition des scientifiques un vaste catalogue de modèles d'IA pour la découverte de médicaments, y compris des modèles open-source et commerciaux de premier plan provenant de partenaires tels qu'Apheris et Boltz, avec Biohub et Profluent à venir. Plus important encore, un agent d'IA accompagne les scientifiques à chaque étape, de la conception des expériences à la sélection des candidats les plus prometteurs conçus par l'IA pour les tests en laboratoire. Les scientifiques peuvent utiliser le langage naturel pour créer des recettes d'expérience - des flux de travail étape par étape qui combinent différents modèles et analyses - et évaluer le modèle qui répond le mieux à leurs besoins de recherche. Pour faciliter la sélection des modèles, un ensemble de données de référence sur les anticorps, vaste et croissant, est disponible pour montrer la probabilité qu'un candidat-médicament puisse être fabriqué facilement, rester stable sur une plage de températures et avoir des propriétés biologiques appropriées.

Améliorer les modèles d'IA grâce aux données expérimentales antérieures des scientifiques

L'amélioration des modèles d'IA à l'aide de données expérimentales exclusives permet d'obtenir des prédictions plus intelligentes, de meilleurs candidats et de réduire le nombre d'itérations d'expériences. Cependant, cela nécessite des équipes dédiées à l'apprentissage automatique et des infrastructures coûteuses, ce qui les rend hors de portée de la plupart des scientifiques.

Amazon Bio Discovery change la donne en permettant aux scientifiques d'introduire en toute sécurité dans l'application des données expérimentales antérieures provenant des résultats de laboratoire de leur organisation. Ils peuvent utiliser leurs propres données de laboratoire pour former des modèles personnalisés en quelques clics, sans avoir à construire des pipelines de formation complexes ou à écrire du code personnalisé. Tous les modèles affinés restent privés et accessibles uniquement à l'utilisateur ou à son organisation. Pour les organisations qui ont déjà construit leurs propres modèles internes, les biologistes computationnels peuvent facilement déployer et héberger ces modèles au sein d'Amazon Bio Discovery. Ensemble, ces fonctionnalités aident les scientifiques et les biologistes computationnels à collaborer plus efficacement, créant ainsi un cycle d'amélioration continue qui accélère la recherche au fil du temps.

Fermer la boucle de la découverte de médicaments avec des partenaires de laboratoire intégrés

Une fois que les scientifiques ont identifié les meilleurs anticorps candidats, ils peuvent les envoyer directement au réseau intégré de partenaires de laboratoire d'Amazon Bio Discovery qui synthétisent et testent physiquement les molécules. Des partenaires tels que Twist Bioscience, Ginkgo Bioworks - et bientôt A-Alpha Bio - fournissent des services avec des prix et des délais d'exécution transparents. Les tests mesurent des informations essentielles qui aident les scientifiques à décider quels candidats peuvent poursuivre leur développement.

Les résultats du laboratoire sont renvoyés dans l'environnement d'application de l'organisation, ce qui permet de garder toutes les données connectées et d'améliorer le prochain cycle de conception. Une application unique remplace les manipulations manuelles et les systèmes déconnectés, bouclant ainsi la boucle expérimentale.

Conception de nouveaux anticorps avec le Memorial Sloan Kettering Cancer Center

Le docteur Nai-Kong Cheung, titulaire de la chaire Enid A. Haupt d'oncologie pédiatrique au Memorial Sloan Kettering Cancer Center (MSK), a été confronté à un défi familier. Le processus d'identification d'une approche prometteuse pour attaquer les cellules cancéreuses et le développement d'un anticorps candidat à l'aide des méthodes de conception traditionnelles prennent trop de temps.

En partenariat avec MSK, l'équipe d'Amazon Bio Discovery a travaillé avec Cheung pour relever ce défi. En utilisant l'agent d'Amazon Bio Discovery pour orchestrer plusieurs modèles, ils ont conçu près de 300 000 nouvelles molécules d'anticorps. Ils ont ensuite envoyé les 100 000 meilleurs candidats à Twist Bioscience pour qu'ils soient testés. Ce qui prend généralement jusqu'à un an avec les méthodes de conception traditionnelles a pris quelques semaines entre la conception des candidats et leur envoi pour des tests en laboratoire.

"Nous sommes heureux de pouvoir unir nos forces à celles d'Amazon Bio Discovery pour développer la prochaine génération d'anticorps qui permettra d'accélérer le processus d'aide aux patients du monde entier", a déclaré M. Cheung. "En tant que chercheurs, nous avons passé 20 ans à prouver que la première génération d'anticorps fonctionnait, puis nous avons passé 13 autres années à l'adapter à la forme humaine avant d'obtenir l'approbation de la FDA. Cette voie a été très inefficace. Les patients viennent ici avec une horloge. Nous avons besoin de résultats plus rapidement.

"Outre MSK, Bayer, le Broad Institute, le Fred Hutch Cancer Center et Voyager Therapeutics figurent parmi les premiers utilisateurs d'Amazon Bio Discovery.