Sztuczna inteligencja coraz mocniej zmienia sektor ochrony zdrowia, a jednym z najbardziej dynamicznie rozwijających się obszarów pozostaje odkrywanie nowych leków. Firmy QIAGEN i NVIDIA ogłosiły strategiczną współpracę, której celem jest wykorzystanie zaawansowanej sztucznej inteligencji, akcelerowanych obliczeń oraz biomedycznych grafów wiedzy do usprawnienia identyfikacji mechanizmów chorób, biomarkerów i potencjalnych celów terapeutycznych. Partnerstwo może stać się kolejnym krokiem w kierunku automatyzacji i przyspieszenia procesów badawczo-rozwojowych w farmacji oraz biotechnologii.
Z tego artykułu dowiesz się…
- Jak QIAGEN i NVIDIA chcą wykorzystać sztuczną inteligencję do przyspieszenia odkrywania nowych leków
- Czym są biomedyczne grafy wiedzy i dlaczego stają się kluczowe dla farmacji oraz biotechnologii
- Jakie znaczenie mają platformy NVIDIA BioNeMo i QIAGEN Discovery Platform dla analizy danych multiomicznych
- Dlaczego AI oparta na grafach może zmienić identyfikację biomarkerów i celów terapeutycznych
QIAGEN i NVIDIA chcą przyspieszyć odkrywanie nowych leków
Współpraca została ogłoszona podczas konferencji BIO-IT World Conference & Expo 2026 w Bostonie. W ramach projektu dział bioinformatyki QIAGEN Digital Insights zintegruje swoje bazy wiedzy biomedycznej oraz narzędzia bioinformatyczne z platformą NVIDIA BioNeMo i technologiami akcelerowanych obliczeń NVIDIA.
Głównym celem partnerstwa jest umożliwienie naukowcom skuteczniejszego wykorzystania sztucznej inteligencji w odkrywaniu leków, zwłaszcza w obszarach związanych z analizą biologii chorób, identyfikacją celów terapeutycznych oraz odkrywaniem biomarkerów. Firmy podkreślają, że współczesne badania farmaceutyczne wymagają analizy ogromnych ilości danych obejmujących geny, choroby, szlaki metaboliczne, związki chemiczne oraz dane kliniczne.
Biomedyczne grafy wiedzy mają pomóc naukowcom analizować złożone dane
Jednym z najważniejszych elementów projektu jest wykorzystanie sztucznej inteligencji opartej na grafach wiedzy biomedycznej. To podejście umożliwia modelowanie relacji pomiędzy genami, chorobami, biomarkerami i mechanizmami biologicznymi w sposób znacznie bardziej zaawansowany niż tradycyjne systemy analityczne. Dzięki wykorzystaniu wyszukiwania i wnioskowania opartego na grafach badacze mają szybciej identyfikować zależności biologiczne oraz generować hipotezy badawcze. Technologia ma także wspierać rozwój wieloetapowych, agentowych przepływów pracy opartych na AI, które mogą częściowo automatyzować proces odkrywania leków.
Eksperci zwracają uwagę, że jednym z największych problemów współczesnej bioinformatyki jest nie tylko ilość danych, ale także możliwość oceny ich wiarygodności biologicznej. Właśnie dlatego QIAGEN chce połączyć generatywną sztuczną inteligencję z własnymi, starannie kuratorowanymi bazami wiedzy biomedycznej.
NVIDIA BioNeMo i akcelerowane GPU mają zwiększyć możliwości AI w farmacji
Kluczową rolę w projekcie odegra platforma NVIDIA BioNeMo, która została zaprojektowana do zastosowań AI w biologii molekularnej, chemii oraz odkrywaniu leków. Platforma wykorzystuje akcelerację GPU i frameworki umożliwiające trenowanie oraz wdrażanie dużych modeli sztucznej inteligencji dla sektora life science.
QIAGEN Discovery Platform została przygotowana tak, aby mogła współpracować z rozwiązaniami opartymi na GraphRAG i frameworkach takich jak PyTorch Geometric. Oznacza to, że naukowcy będą mogli zadawać pytania w języku naturalnym dotyczące złożonych zależności biologicznych, jednocześnie zachowując dostęp do strukturalnych dowodów naukowych.
To szczególnie istotne w kontekście rosnącego wykorzystania generatywnej AI w medycynie i farmacji. Jednym z największych wyzwań pozostaje bowiem tzw. „halucynacja modeli”, czyli generowanie odpowiedzi pozbawionych biologicznego uzasadnienia. Integracja z kuratorowanymi bazami danych ma ograniczyć to ryzyko.
AI ma wspierać identyfikację biomarkerów i zmianę przeznaczenia leków
Współpraca QIAGEN i NVIDIA obejmuje praktyczne zastosowania w całym procesie odkrywania leków. Firmy wskazują m.in. na:
- identyfikację i walidację celów terapeutycznych,
- odkrywanie biomarkerów,
- analizę szlaków metabolicznych,
- generowanie hipotez z danych multiomicznych,
- zmianę przeznaczenia istniejących leków.
Podejście to może mieć ogromne znaczenie ekonomiczne i kliniczne. Według branżowych analiz opracowanie nowego leku trwa średnio ponad 10 lat i kosztuje miliardy dolarów. Zastosowanie AI ma pomóc skrócić czas identyfikacji obiecujących kandydatów terapeutycznych oraz ograniczyć liczbę kosztownych niepowodzeń na etapie badań klinicznych.
QIAGEN opiera projekt na ponad 25 latach wiedzy biomedycznej
Istotnym elementem projektu jest ogromna baza wiedzy rozwijana przez QIAGEN Digital Insights. Firma podkreśla, że jej systemy bioinformatyczne są wykorzystywane przez ponad 150 tys. naukowców na świecie i opierają się na ponad 70 tys. publikacji naukowych. Bazy danych obejmują informacje dotyczące ponad 30 tys. chorób oraz relacji pomiędzy genami, szlakami metabolicznymi, związkami chemicznymi i danymi klinicznymi. Dzięki temu AI ma otrzymywać nie tylko surowe dane, ale także naukowy kontekst niezbędny do generowania biologicznie wiarygodnych wniosków.
QIAGEN Digital Insights od ponad 25 lat buduje fundament wiedzy biomedycznej, na którym opierają się naukowcy, interpretując złożone zagadnienia biologiczne – powiedział Nitin Sood, starszy wiceprezes i dyrektor ds. portfolio produktów i innowacji w QIAGEN. Dzięki współpracy z firmą NVIDIA możemy przyspieszyć wykorzystanie tej wiedzy, łącząc ją z zaawansowaną sztuczną inteligencją, aby pomóc klientom usprawnić kluczowe etapy odkrywania leków, od identyfikacji celu, przez badania biomarkerów, po generowanie hipotez.
Pilotaż dla wybranych firm farmaceutycznych i biotechnologicznych
Na pierwszym etapie rozwiązania będą testowane w ramach programów pilotażowych prowadzonych z wybranymi partnerami z sektora farmaceutycznego i biotechnologicznego. Po zakończeniu walidacji planowane jest szersze wdrożenie technologii.
To kolejny sygnał pokazujący, że sektor farmaceutyczny coraz mocniej inwestuje w rozwiązania AI. W artykule przypomniano również, że już w październiku 2025 roku Eli Lilly i NVIDIA ogłosiły budowę superkomputera przeznaczonego do przyspieszania odkrywania leków.
AI staje się fundamentem nowoczesnej bioinformatyki
Współpraca QIAGEN i NVIDIA pokazuje, że przyszłość odkrywania leków będzie coraz mocniej oparta na połączeniu sztucznej inteligencji, bioinformatyki oraz wysokowydajnych obliczeń GPU. Rozwój biomedycznych grafów wiedzy może znacząco zmienić sposób analizowania danych biologicznych i przyspieszyć proces podejmowania decyzji badawczych.
Eksperci podkreślają jednak, że kluczowe będzie zachowanie równowagi pomiędzy automatyzacją a wiarygodnością naukową. Dlatego właśnie coraz większe znaczenie mają systemy AI wspierane przez kuratorowane dane biomedyczne oraz transparentne mechanizmy wnioskowania.
Główne wnioski
- QIAGEN i NVIDIA integrują platformę BioNeMo oraz biomedyczne grafy wiedzy, aby przyspieszyć odkrywanie nowych leków.
- Sztuczna inteligencja oparta na grafach ma wspierać identyfikację biomarkerów, analizę chorób i generowanie hipotez badawczych.
- QIAGEN Digital Insights wykorzystuje ponad 25 lat kuratorowanej wiedzy biomedycznej i dane z ponad 70 tys. publikacji naukowych.
- Farmacja i biotechnologia coraz intensywniej inwestują w AI oraz superkomputery do skracania procesów rozwoju leków.
Źródło:
- https://corporate.qiagen.com/English/newsroom/press-releases/press-release-details/2026/QIAGEN-to-advance-AI-driven-drug-discovery-with-graph-based-AI-and-curated-bioinformatics-knowledge-with-NVIDIA/default.aspx
