Disponibilità di OpenFold3 su SageMaker JumpStart
AWS ha confermato la disponibilità di OpenFold3 su Amazon SageMaker JumpStart, ampliando il catalogo di modelli fondazionali per la ricerca biomedica. Questo modello, sviluppato dal OpenFold Consortium e dal AlQuraishi Lab dell'Università di Columbia, consente di prevedere le strutture di complessi biomolecolari a livello di tutti gli atomi.
L'integrazione in JumpStart permette ai clienti di distribuire il modello con pochi clic dalla console di SageMaker o tramite il SDK di Python. Questa disponibilità si aggiunge ad altri modelli recenti come granite-speech-4.1-2b e kanana-2-30b-a3b-instruct, rafforzando l'offerta di AWS per casi d'uso specializzati in intelligenza artificiale.
L'accesso semplificato attraverso la console o il SDK di Python riduce la barriera tecnica per i ricercatori che non dispongono di infrastrutture di calcolo dedicate. Questo approccio consente di concentrare le risorse sulla progettazione degli esperimenti e sull'analisi dei dati, anziché sulla configurazione complessa degli ambienti di esecuzione e sulla gestione manuale delle dipendenze software.
Capacità di predizione strutturale
OpenFold3 è un modello basato su diffusione che estende la predizione delle strutture oltre le singole proteine. Può modellare complessi a più catene e interazioni eterogenee tra biomolecole, inclusi proteine, DNA, RNA e ligandi di piccole molecole.
Questa capacità è rilevante per il design assistito al computer di farmaci e per i laboratori di ricerca accademica e farmaceutica. A differenza dei modelli precedenti che si concentravano sui monomeri, OpenFold3 affronta la complessità dei complessi biomolecolari completi.
La modellazione di interazioni eterogenee permette di studiare come i ligandi si posizionano all'interno dei siti attivi delle proteine o come gli acidi nucleici si avvolgono attorno a specifiche regioni di legame. Questa granularità è fondamentale per comprendere i meccanismi molecolari alla base delle funzioni biologiche e per identificare potenziali bersagli terapeutici che coinvolgono più componenti cellulari simultaneamente.
Tipi di biomolecole supportate da OpenFold3
Il modello è progettato per prevedere le strutture dei seguenti tipi di biomolecole e complessi.
| Tipo di biomolecola | Descrizione |
|---|---|
| Proteine | Strutture di catene polipeptidiche singole o in complessi. |
| DNA e RNA | Strutture di acidi nucleici e le loro interazioni con altre molecole. |
| Ligandi | Piccole molecole che si legano a proteine o acidi nucleici. |
| Complessi eterogenei | Interazioni tra più tipi di biomolecole simultaneamente. |
Architettura di inferenza e prestazioni
La distribuzione su SageMaker JumpStart utilizza inferenza asincrona e parallelismo su più GPU per gestire il carico computazionale richiesto dalla predizione di strutture complesse. Questa architettura consente di elaborare richieste ad alto volume senza bloccare l'interfaccia utente.
La capacità di parallelizzare su più GPU è cruciale per i modelli di diffusione su larga scala, poiché riduce il tempo di inferenza e consente di scalare la capacità di elaborazione in base alle esigenze del laboratorio o dell'azienda.
La gestione asincrona delle richieste consente ai sistemi di accodare le operazioni di predizione e di restituire i risultati una volta completati, ottimizzando l'utilizzo delle risorse hardware. Questo metodo è particolarmente indicato per pipeline di screening ad alto rendimento, dove il volume di dati da elaborare supera la capacità di elaborazione in tempo reale, garantendo al contempo la stabilità del servizio per altri utenti.
Dati di addestramento e allineamenti propri
OpenFold3 è stato addestrato con set di dati che includono 245.000 strutture della Protein Data Bank (PDB) e milioni di monomeri dal database MGNIFY. I dati di addestramento sono disponibili con licenza CC BY 4.0 nel registro dei dati aperti di AWS.
Una caratteristica chiave è la possibilità di fornire allineamenti multipli (MSA) propri. Questo consente agli utenti di migliorare la precisione della predizione per sequenze specifiche e mantenere il controllo su dati sensibili o proprietari, senza la necessità di condividerli con terze parti.
L'uso di allineamenti multipli generati internamente offre un vantaggio significativo per le sequenze che non sono ben rappresentate nei database pubblici. Fornendo dati contestuali specifici, il modello può sfruttare informazioni evolutive aggiuntive per affinare la predizione strutturale, riducendo l'incertezza nelle regioni della proteina che presentano una bassa conservazione tra le specie note.
Limitazioni e verifica preliminare
Prima di presentare risultati basati su OpenFold3, i team devono verificare la versione esatta del modello disponibile e le sue condizioni di accesso. La documentazione attuale non specifica benchmark di precisione specifici per questa versione su JumpStart, pertanto si consiglia di confrontare con i risultati precedenti del progetto.
È inoltre necessario confermare le regioni AWS disponibili, i tipi di istanza compatibili e i costi di inferenza, che possono variare in base alla complessità della struttura e alla durata della predizione. La privacy dei dati forniti dall'utente deve essere valutata secondo le politiche di sicurezza dell'account AWS.
La verifica preliminare dei costi e delle risorse computazionali è essenziale per pianificare il budget del progetto e per evitare sorprese durante le fasi di produzione. I team dovrebbero monitorare attentamente il consumo di risorse durante i test iniziali per stimare con maggiore accuratezza i requisiti infrastrutturali necessari per campagne di predizione su larga scala, assicurando un equilibrio tra prestazioni e sostenibilità economica.
Passaggi per verificare l'implementazione
Processo raccomandato per valutare l'idoneità di OpenFold3 in un progetto specifico.
- 01Consultare la documentazione di SageMaker JumpStart per confermare la regione e il tipo di istanza.
- 02Rivedere la licenza e i termini di utilizzo della versione specifica di OpenFold3.
- 03Effettuare test di inferenza con dati di esempio per misurare il tempo di risposta e il costo.
- 04Confrontare la precisione delle predizioni con strutture sperimentali note, se disponibili.
Continua a esplorare
Fonti consultate
Correzioni e trasparenza
Se trovi un dato errato o non aggiornato, inviaci la pagina e la fonte da verificare.
Proponi una correzione