IBM和勃林格殷格翰正在合作推进治疗性抗体开发的生成式AI和基础模型，目的是改善患者的治疗结果。上周，在IBM瑞士研究所，IBM和勃林格殷格翰宣布了一项具有革命性的协议，允许勃林格殷格翰使用IBM的AI技术。

其目标是这些基础模型能使新的候选抗体的发现成为可能，进而开发出高效的治疗方法。通过在数十亿蛋白质上进行训练，两家公司都希望AI能够通过更快、更有效地生成假设来加速医疗发现的进程。

IBM的模型在自我监督的环境下接受数据训练，旨在通过加速抗体发现，帮助医疗工作者将从三年缩短至一年的时间。

大规模利用多模态LLM

勃林格殷格翰是一家领先的研究驱动型生物制药公司，其目标是通过创新来创造价值，特别是在医疗需求未得到满足的领域。它致力于实现突破性疗法，旨在改变人们的生活。

该组织将使用IBM开发的预训练AI模型，并将继续在该公司的额外数据上进行微调。以这种方式使用基础模型进行抗体发现是一种突破性的解决方案，它不仅可以改善全球患者的治疗结果，同时也可以加快科学家的工作。

治疗性抗体在许多疾病的治疗中都至关重要，包括癌症、自身免疫疾病和传染病。尽管人工智能和技术取得了重大进步，但治疗性抗体的发现和开发仍然是一个高度复杂且耗时的过程。

通常，这类抗体发现需要平均三年的时间，然后还必须重复进行。AI有能力加速这种类型的发现，因为它可以更快且更有效地生成假设，将时间缩短至一年。

“IBM一直走在创建扩展AI影响力超出语言领域的生成式AI模型前沿，” IBM研究院加速发现副总裁Alessandro Curioni说。

“我们很高兴现在将IBM的多模态基础模型技术带给勃林格殷格翰，一个在开发和生产抗体治疗方面领先的公司，以帮助加快勃林格殷格翰创造新疗法的速度。”

分子动力学+AI=模拟数据

通过计算机模拟方法，勃林格殷格翰公司与IBM研究人员旨在加速发现过程。疾病相关靶标的序列、结构和分子特征信息，以及治疗相关抗体分子的成功标准，将构成计算机模拟生成新的人类抗体序列的基础。

这个过程可以创建独特的数据集来训练基础模型。IBM的基础模型技术已经在生成具有相关靶标亲和力的生物制剂和小分子方面取得成功，并被用来设计抗体靶标。然后，这些被用增强模拟筛选出来，选择和优化最佳结合物作为靶标。

展望未来，来自实验室实验的结果将用于通过反馈循环改进计算机模拟方法。

这次合作最终帮助勃林格殷格翰建立了一个领先的数字生态系统，并使药物的发现和开发过程大大加快，同时创造了改变患者生活的新机会。

它还证明了IBM利用生成式AI和基础模型来加快医疗领域内发现的努力。IBM研究人员早些时候在苏黎世的媒体活动上宣布，模型微调应该更快，以至于第一套模型预计在几个月内就能进行测试。

“我们非常高兴与IBM的研究团队合作，他们与我们有着共同的愿景，即使计算机模拟的生物制药药物发现成为现实，”勃林格殷格翰生物疗法发现全球负责人Andrew Nixon说。

“我相信，通过与IBM科学家的共同努力，我们将开发出一个前所未有的加速抗体发现平台，这将使勃林格殷格翰能够为高未满足需要的患者开发并提供新的治疗方案。”