創薬分野で利用が広がるタンパク質の立体構造予測モデルは、計算コストとメモリ制約が実用化の壁となってきた。NVIDIAはMMseqs2のGPU対応やcuEquivarianceによる推論高速化、複数GPUへの負荷分散技術をBioNeMo Agent Toolkitに統合し、MSA生成から大規模複合体の共折り畳み推論までを一貫加速する環境を整えた。これにより、数十億化合物の仮想スクリーニングやリボソーム級の巨大分子構造解析が現実的な時間とコストで実行可能になる。

MSA生成のGPUシフトが全体高速化の起点に

構造予測の前処理にあたる多重配列アライメント生成は、従来CPU上のJackHMMERで行われ、ワークフロー全体の律速段階になりがちだった。NVIDIAが提供するMMseqs2-GPUは、この相同性検索をHopperアーキテクチャやBlackwellアーキテクチャのGPU上で実行し、従来比最大177倍の速度を実現している。単なる高速化にとどまらず、MSA生成がボトルネックではなくなることで、後続の折り畳み推論や仮想スクリーニングのスループットが飛躍的に向上し、ワークフロー全体の設計思想を変えるインパクトを持つ。

cuEquivarianceが単一GPUの限界を押し広げる

共折り畳みモデルOpenFold3の順伝播計算は、残基数に対して3次関数的に計算量が増大する。cuEquivarianceライブラリを用いることで、この計算を最大3倍高速化し、同時に扱える配列長をB300単一GPU上で約6400トークンまで拡張した。これは従来のGPUメモリ容量では困難だった中規模以上の複合体を、単一ノードで扱える水準に引き上げる。創薬現場では、構造予測のたびに大規模クラスタを占有する必要が減り、実験室単位でのAI活用の間口が広がることを意味する。

Fold-CPが開く巨大分子アセンブリの構造解析

Fold-CPはコンテキスト並列推論を用いて、モデルが扱う全配列を複数GPUに分割配置する。各GPUあたりのメモリ要求量がGPU数に反比例して低減され、B300を64基接続した構成では最大32000トークン規模の分子アセンブリを一括推論できる。リボソーム複合体のような巨大分子の全原子構造を分割せずに予測する道が拓け、クライオ電顕や結晶解析が困難だったターゲットへのアプローチが変わる可能性がある。これはハードウェアの進歩が分子生物学の未解決課題に直接応答する事例といえる。

エージェント統合が設計する次世代創薬パイプライン

これらの加速技術はBioNeMo Agent Toolkitを通じてエージェントから呼び出せる形で提供され、MSA生成から推論、スケールアウトまでを自動化する一貫パイプラインが構築可能になる。各工程の速度差が小さくなることで、AIエージェントが試行錯誤的に複数候補を評価するループを回しやすくなり、創薬探索の効率が質的に変化する。NVIDIAの戦略は、単体ツールの性能向上ではなく、創薬ワークフロー全体をGPUネイティブに再構築することで競争優位を築く点にある。