PozeSCAF 将模拟运行时缩短了 50% 以上，从而加速了药物研发

PozeSCAF Discovery Solutions 专注于药物研发的临床前阶段。PozeSCAF 通过其专有的端到端平台 AxDrug，整合了人工智能和计算化学方法，从而加速了苗头化合物识别、从苗头化合物到先导化合物和先导化合物优化的流程。该公司的使命是利用人工智能实现更快速且更智能的药物研发，从而更快地为患者提供救生药物。

在药物研发中，上市时间至关重要，因此加快管道意味着加速药物开发。PozeSCAF Discovery Solutions 首席数据科学家 Bhanukishore Kallepalli 解释说：“药物从研发阶段到投入生产并上市，可能需要 12-15 年的时间，因此加快药物研发至关重要。”

PozeSCAF 依靠开源格罗宁根化学模拟体系（GROningen MAchine for Chemical Simulations，GROMACS）软件进行分子模拟。不过，旧版本的 GROMACS 在可扩展性和性能方面面临着挑战，进而推高了计算成本。分子动力学模拟需要 30 多个小时才能完成，因此减缓了新候选药物的发现与研发。Kallepalli 表示：“我们需要更优化的管道，以便在更短的时间内完成更多模拟运行。”

为了提升性能和降低成本，PozeSCAF 转而采用 AWS。Kallepalli 表示：“我们之前在其他业务领域就已经与 AWS 有过合作，我们知道他们可以帮助我们提供一个针对 GROMACS 的优化平台。”该项目从定义性能目标和创建测试用例开始，以衡量运行时与成本。然后，便凸显出两个优先事项：为 GROMACS 工作负载选择合适的 Amazon Elastic Compute Cloud（Amazon EC2）实例，以及升级到最新版本的软件。

AWS 团队与 PozeSCAF 密切合作，对不同的 Amazon EC2 实例进行了基准测试，包括 Amazon EC2 G4dn、G6 和 G6e GPU 实例以及 Amazon EC2 HPC7a 和 C8g CPU 实例。Kallepalli 表示：“基准测试表明，G6e.8xl 的性能最佳，但我们有时会根据需求使用 G6.xl 实例，以进一步进行成本优化。”

PozeSCAF 还利用 GPU 加速对 GROMACS 参数进行了微调，以实现最高效率。Kallepalli 解释说：“升级软件有助于进一步提高性能。”作为其解决方案的一部分，PozeSCAF 利用 AWS 上的 Slurm 集群以及 AWS ParallelCluster 和 AWS Batch，运行大规模化合物筛选。 

通过在 AWS 上优化分子动力学工作负载，PozeSCAF 将模拟运行时缩短了 50% 以上，即从 30 小时缩短至不到 15 小时。现在，其团队在相同的时间范围内运行的模拟次数大约增加了 2.5 倍，且新苗头化合物研发的时间预计可缩短 5%。也就是说，若临床前阶段为 3-5 年时间，则可节省大约 2-3 个月。Kallepalli 表示：“我们的目标是将临床前阶段缩短至 1-1.5 年，而 AWS 在优化我们的计算流程方面发挥了关键作用，因此可助力我们加速药物发现和开发进程。”

此外，借助更高效的管道，计算成本实现了 25-30% 的缩减，而总体项目成本则降低了约 10%。Kallepalli 指出：“正因为这些节省，我们不仅可以为客户提供更优惠的价格，而且还能缩短研发时间，从而显著增强我们服务的竞争优势。”

PozeSCAF 已开始探索 AWS 生成式人工智能技术，通过 Amazon Bedrock 使用大语言模型来根据项目数据构建知识图谱，并将代理式人工智能集成到其工作流程中。Kallepalli 表示：“当我们发现潜在分子时，这些知识图谱可以帮助我们尽早发现可能的副作用或其他问题。在某些情况下，我们甚至能够在临床试验开始之前便做出这些预测。总而言之，与 AWS 团队合作，并利用最新技术推动创新，真的是非常棒的体验。我们很高兴能够随着公司的持续发展而不断扩大对 AWS 服务的使用。”