BioNeMo Agent Toolkit permite a agentes de IA usar modelos científicos para analizar datos, probar moléculas y apoyar flujos de laboratorio
Créditos: NVIDIA
NVIDIA presentó BioNeMo Agent Toolkit, un conjunto de herramientas para desarrollar agentes de IA orientados a ciencias de la vida. El sistema está pensado para que estos agentes puedan trabajar con conocimiento científico, ejecutar modelos especializados y apoyar flujos computacionales en biología, química, genómica, medicina y descubrimiento de fármacos.
BioNeMo Agent Toolkit reúne más de una década de bibliotecas, herramientas y modelos abiertos de NVIDIA para ciencias de la vida. La plataforma incluye BioNeMo, NIM, Parabricks, NeMo y Nemotron, además de capacidades de cómputo acelerado pensadas para que un agente pueda llamar modelos, evaluar resultados y recomendar pasos posteriores dentro de un flujo científico.
Para aterrizar el alcance de BioNeMo Agent Toolkit, conviene separar un asistente de IA general de un agente conectado a herramientas científicas. La diferencia no está solo en responder preguntas, sino en la capacidad de usar modelos especializados, procesar datos y ejecutar pasos dentro de un flujo de investigación.
Jensen Huang, fundador y CEO de NVIDIA, presentó el toolkit como una capa de trabajo científico para que los modelos de IA puedan operar con herramientas especializadas y no solo con generación de texto.
«Los modelos de frontera son el cerebro. BioNeMo es la caja de herramientas científica. Juntos, entregan a los agentes de IA las habilidades de un asistente de investigación con doctorado y la velocidad de una supercomputadora».
Jensen Huang, fundador y CEO de NVIDIA
Huang también situó el anuncio en el paso desde asistentes generales hacia agentes capaces de usar modelos, datos y procedimientos científicos dentro de procesos reproducibles.
«Por primera vez, los investigadores pueden construir agentes de IA que entienden el conocimiento científico, usan herramientas científicas y ejecutan flujos de trabajo científicos. Es una nueva forma de hacer ciencia, una que puede acelerar de manera significativa el descubrimiento en biología, química, genómica y medicina».
Jensen Huang, fundador y CEO de NVIDIA
NVIDIA describe casos de uso en cribado virtual, análisis genómico, descubrimiento de objetivos biológicos, diseño de proteínas, investigación biomédica e imágenes médicas. En cribado virtual, los agentes pueden generar y evaluar compuestos, acoplarlos a una diana, estimar fuerza de unión y filtrar candidatos con propiedades compatibles con desarrollo farmacológico.
En genómica, el flujo parte desde datos de secuenciación y avanza hacia variantes priorizadas e información biológica útil para investigación. Parabricks acelera alineamiento y llamado de variantes, mientras los modelos fundacionales genómicos ayudan a estimar efectos y ordenar candidatos relacionados con enfermedad.
El diseño de proteínas es otro de los ámbitos destacados por NVIDIA, ya que la colaboración con el Institute for Protein Design de la Universidad de Washington permitió acelerar modelos de biodiseño como RosettaFold3, con un rendimiento dos veces más rápido que el modelo de generación previa según la compañía.
David Baker, profesor de bioquímica en la Facultad de Medicina de la Universidad de Washington y director del Institute for Protein Design, enfocó el valor del sistema en el acceso efectivo a herramientas científicas y en la repetición acelerada de ciclos de diseño.
«Cada herramienta que hemos construido para el diseño de proteínas es tan poderosa como los científicos que pueden acceder a ella de manera eficiente».
David Baker, profesor de bioquímica en la Facultad de Medicina de la Universidad de Washington y director del Institute for Protein Design
Baker también apuntó a un cambio en la forma de iterar dentro de la biología computacional. Su lectura no se centra en un hallazgo aislado, sino en la velocidad con que los agentes podrían revisar hipótesis, diseños y resultados.
«El próximo salto en la ciencia no vendrá de un solo descubrimiento; vendrá de la velocidad de los diseños iterativos y de agentes que puedan razonar repetidamente sobre la complejidad de la biología a una velocidad que los humanos nunca podrían alcanzar».
David Baker, profesor de bioquímica en la Facultad de Medicina de la Universidad de Washington y director del Institute for Protein Design
BioNeMo Agent Toolkit y sus Skills ya están disponibles mediante la página de recursos para desarrolladores de NVIDIA y GitHub.
