Disponibilidad de OpenFold3 en SageMaker JumpStart
AWS ha confirmado la disponibilidad de OpenFold3 en Amazon SageMaker JumpStart, ampliando el catálogo de modelos fundacionales para la investigación biomédica. Este modelo, desarrollado por el OpenFold Consortium y el AlQuraishi Lab de la Universidad de Columbia, permite predecir estructuras de complejos biomoleculares a nivel de todos los átomos.
La integración en JumpStart permite a los clientes desplegar el modelo con pocos clics desde la consola de SageMaker o mediante el SDK de Python. Esta disponibilidad se suma a otros modelos recientes como granite-speech-4.1-2b y kanana-2-30b-a3b-instruct, reforzando la oferta de AWS para casos de uso especializados en IA.
La disponibilidad en JumpStart sitúa OpenFold3 dentro de un servicio administrado de AWS: el acceso al modelo se realiza desde las herramientas habituales de SageMaker, en lugar de requerir que cada equipo prepare por separado una instalación local. El despliegue simplificado describe cómo se inicia el uso, pero no determina por sí solo el rendimiento, la precisión ni las condiciones concretas de cada implementación.
La incorporación al catálogo amplía las opciones de modelos especializados accesibles desde la plataforma, aunque la presencia de OpenFold3 no implica que sustituya los métodos de análisis o validación que ya emplea un equipo de investigación. Su utilidad depende de que la tarea y las moléculas de interés correspondan a las capacidades de predicción descritas.
Capacidades de predicción estructural
OpenFold3 es un modelo basado en difusión que extiende la predicción de estructuras más allá de proteínas individuales. Puede modelar complejos de múltiples cadenas e interacciones heterogéneas entre biomoléculas, incluyendo proteínas, ADN, ARN y ligandos de pequeñas moléculas.
Esta capacidad es relevante para el diseño asistido por ordenador de fármacos y para laboratorios de investigación académica y farmacéutica. A diferencia de modelos anteriores que se centraban en monómeros, OpenFold3 aborda la complejidad de los complejos biomoleculares completos.
La predicción a nivel de todos los átomos representa las interacciones de un complejo con más detalle que una descripción limitada a la forma general de una proteína. OpenFold3 combina en una misma tarea componentes de distintas clases, de modo que puede abordar la disposición conjunta de cadenas proteicas, ácidos nucleicos y ligandos, en vez de tratar cada componente como una estructura aislada.
El uso de difusión describe el enfoque de modelado del sistema; no significa que cada estructura predicha sea necesariamente correcta ni que el resultado equivalga a una observación experimental. Las predicciones sirven para estudiar configuraciones posibles y requieren interpretación acorde con la pregunta de investigación y, cuando corresponda, comparación con estructuras conocidas.
La capacidad para modelar complejos ofrece una herramienta para explorar interacciones biomoleculares relacionadas con el diseño de fármacos. Sin embargo, predecir una estructura no demuestra por sí mismo que una interacción ocurra, que un ligando produzca un efecto biológico ni que un candidato sea eficaz. El resultado aborda la organización estructural que el modelo estima a partir de sus entradas.
Tipos de biomoléculas soportadas por OpenFold3
El modelo está diseñado para predecir estructuras de los siguientes tipos de biomoléculas y complejos.
| Tipo de biomolécula | Descripción |
|---|---|
| Proteínas | Estructuras de cadenas polipeptídicas individuales o en complejos. |
| ADN y ARN | Estructuras de ácidos nucleicos y sus interacciones con otras moléculas. |
| Ligandos | Pequeñas moléculas que se unen a proteínas o ácidos nucleicos. |
| Complejos heterogéneos | Interacciones entre múltiples tipos de biomoléculas simultáneamente. |
Arquitectura de inferencia y rendimiento
El despliegue en SageMaker JumpStart utiliza inferencia asíncrona y paralelismo en varias GPU para manejar la carga computacional exigida por la predicción de estructuras complejas. Esta arquitectura permite procesar solicitudes de alto volumen sin bloquear la interfaz del usuario.
La capacidad de paralelizar en múltiples GPUs es crucial para modelos de difusión de gran escala, ya que reduce el tiempo de inferencia y permite escalar la capacidad de procesamiento según las necesidades del laboratorio o la empresa.
La inferencia asíncrona separa el envío de una solicitud de la obtención de su resultado: el usuario puede iniciar una predicción sin mantener bloqueada la interfaz mientras el cálculo continúa. Este patrón facilita la gestión de trabajos que tardan más que una interacción inmediata, pero no elimina el tiempo de espera ni convierte el procesamiento por lotes en una respuesta en tiempo real.
El paralelismo en varias GPU distribuye el trabajo computacional entre recursos de procesamiento. Puede reducir el tiempo de inferencia y aumentar la capacidad de atender solicitudes, pero el resultado práctico depende de la configuración y de la carga del trabajo; no establece una latencia fija ni garantiza una mejora idéntica para todas las predicciones.
Datos de entrenamiento y alineamientos propios
OpenFold3 se entrenó con conjuntos de datos que incluyen 245.000 estructuras de la Base de Datos de Proteínas (PDB) y millones de monómeros de la base de datos MGNIFY. Los datos de entrenamiento están disponibles bajo licencia CC BY 4.0 en el registro de datos abiertos de AWS.
Una característica clave es la opción de aportar alineamientos múltiples (MSA) propios. Esto permite a los usuarios mejorar la precisión de la predicción para secuencias específicas y mantener el control sobre datos sensibles o propietarios, sin necesidad de compartirlos con terceros.
Los conjuntos de datos de entrenamiento aportan ejemplos estructurales y alineamientos que el modelo utiliza durante su desarrollo. La cifra de 245.000 estructuras de la PDB y la referencia a millones de monómeros de MGNIFY describen parte de esos materiales, pero no indican por sí solas la precisión que alcanzará OpenFold3 para una secuencia concreta. La disponibilidad de los datos bajo CC BY 4.0 se refiere a esos datos y no establece automáticamente la licencia del servicio desplegado en JumpStart.
Los MSA propios permiten incorporar alineamientos relacionados con las secuencias que se desea analizar. Su posible contribución a una predicción depende de la calidad y pertinencia del alineamiento y de la configuración empleada; aportar datos propios no garantiza una mejora de precisión. El control sobre esos archivos y su tratamiento en el servicio son cuestiones distintas, por lo que la privacidad debe evaluarse conforme a las políticas aplicables a la cuenta de AWS.
Un MSA reúne información de secuencias relacionadas y puede aportar contexto evolutivo para una proteína de interés. En el flujo descrito, el equipo lo proporciona como entrada para la predicción; esto no significa que el alineamiento altere los datos públicos de entrenamiento ni que compartirlo con SageMaker sea innecesario para usarlo en ese despliegue.
Limitaciones y verificación previa
Antes de presentar resultados basados en OpenFold3, los equipos deben verificar la versión exacta del modelo disponible y sus condiciones de acceso. La documentación actual no especifica benchmarks de precisión específicos para esta versión en JumpStart, por lo que se recomienda comparar con resultados previos del proyecto.
También es necesario confirmar las regiones de AWS disponibles, los tipos de instancia compatibles y los costes de inferencia, que pueden variar según la complejidad de la estructura y la duración de la predicción. La privacidad de los datos aportados por el usuario debe evaluarse según las políticas de seguridad de la cuenta AWS.
La falta de benchmarks específicos para la versión de JumpStart limita las comparaciones directas de rendimiento predictivo. Una evaluación con estructuras experimentales conocidas, cuando existan para el problema estudiado, permite comprobar cómo se comporta el modelo en ese conjunto de casos; sus resultados no deben generalizarse automáticamente a otras secuencias o complejos.
La versión y la configuración del modelo importan porque las características del despliegue pueden no coincidir con las de otros materiales de OpenFold3. Confirmar qué versión está disponible y bajo qué condiciones se ofrece ayuda a interpretar los resultados y a aplicar los términos pertinentes, sin asumir que todos los despliegues son idénticos.
Las pruebas de tiempo y coste deben reflejar la complejidad de las predicciones y la configuración de cómputo que el proyecto pretende utilizar. Del mismo modo, conocer la región y los tipos de instancia compatibles evita planificar un despliegue sobre recursos que quizá no estén disponibles en la cuenta o ubicación elegidas.
Pasos para verificar la implementación
Proceso recomendado para evaluar la idoneidad de OpenFold3 en un proyecto específico.
- 01Consultar la documentación de SageMaker JumpStart para confirmar la región y el tipo de instancia.
- 02Revisar la licencia y los términos de uso de la versión específica de OpenFold3.
- 03Realizar pruebas de inferencia con datos de ejemplo para medir el tiempo de respuesta y el coste.
- 04Comparar la precisión de las predicciones con estructuras experimentales conocidas si están disponibles.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección