قامت Amazon Web Services بإنشاء OpenFold3-preview، وهو نموذج مفتوح المصدر للتنبؤ بالبنية الجزيئية الحيوية، يمكن نشره مباشرة من Amazon SageMaker JumpStart، وفقًا لمنشور بتاريخ 13 نوفمبر على مدونة AWS Machine Learning. تضع هذه الخطوة إحدى عائلات النماذج الأكثر أهمية في علم الأحياء الحسابي خلف نقطة نهاية سحابية مُدارة - وتمنح فرق البحث بديلاً مرخصًا بشكل مفتوح لأنظمة التنبؤ بالبنية الخاصة.

تم تطوير OpenFold3 بواسطة اتحاد OpenFold ومختبر القريشي في جامعة كولومبيا. مثل جهود العلوم المفتوحة الأخرى التي تجعل [أحدث أبحاث الذكاء الاصطناعي] (https://aibuzzwire.news) في متناول الجميع، ينشر المشروع ما هو أكثر بكثير من واجهة برمجة تطبيقات الصندوق الأسود: يتم شحن التعليمات البرمجية وأوزان النماذج بموجب ترخيص Apache 2.0، وقد نشر المطورون بيانات وأساليب التدريب أيضًا.

ما يمكن لـ OpenFold3 التنبؤ به

OpenFold3 هو نموذج للتنبؤ ببنية الذرة بالكامل. وفقًا لـ AWS، فإنه يتنبأ بالبنية المشتركة ثلاثية الأبعاد لمجموعة من الجزيئات مباشرةً من تسلسلاتها، ولا يقتصر الأمر على سلاسل بروتينية مفردة. يمكن لتنبؤ واحد أن يجمع مجمعات البروتين متعددة السلاسل، وتجمعات البروتين والأحماض النووية، ومجمعات البروتين والليكاند، والتي تغطي حصة كبيرة من التفاعلات الجزيئية التي تهم في تطوير الأدوية.

هذه القدرة مهمة لأن التنبؤ بالبنية أصبح بهدوء البنية التحتية الأساسية لاكتشاف الأدوية الحسابية. يشير منشور AWS إلى أن الفرق تعتمد عليه الآن لتحديد الهدف، وهندسة الأجسام المضادة والبروتينات، والفحص الافتراضي القائم على البنية - وهو العمل في المرحلة المبكرة الذي يحدد الأدوية المرشحة التي تصل إلى المختبر الرطب.

الترخيص المفتوح هو الهدف

إن ترخيص Apache 2.0 هو ما يميز OpenFold3 في مجال مزدحم بأنظمة الحدود المغلقة. وقالت AWS إن المنظمات البحثية وشركات الأدوية يمكنها فحص النموذج وضبطه وفقًا لبيانات الملكية وبناء منتجات تجارية فوقه بموجب شروط الترخيص. بالنسبة لصناعة تكون فيها الهياكل الجزيئية وبيانات الفحص أسرارًا تجارية تخضع لحراسة مشددة، فإن النموذج الذي يتم نشر أوزانه وطرق تدريبه يمنح الفرق مستوى من إمكانية التدقيق لا يمكن لواجهات برمجة التطبيقات المغلقة مطابقته.

تصف AWS معاينة OpenFold3 بأنها معاينة بحثية، وهو أمر يستحق أن نأخذه في الاعتبار: هذا نشر مبكر ومتطور وليس منتجًا نهائيًا. ولكن حتى التوزيع المسبق لنموذج مفتوح قابل للطي يتكون من ذرات بالكامل، يخفض الحاجز أمام المختبرات الأكاديمية التي لا تستطيع التفاوض على تراخيص المؤسسات مع موفري النماذج المملوكة.

لماذا يعمل على الاستدلال غير المتزامن

قصة البنية التحتية مثيرة للاهتمام مثل النموذج نفسه. يتم نشر معظم نماذج JumpStart - نماذج اللغات الكبيرة والنماذج المضمنة فيما بينها - إلى نقاط نهاية في الوقت الفعلي والتي يجب أن تعرض استجابة خلال طلب واحد بحد أقصى 60 ثانية. التنبؤ بالبنية لا يناسب هذا القالب. يزداد وقت الطي مع زيادة عدد وطول السلاسل في الاستعلام، وغالبًا ما تستغرق بروتينات ومجمعات العالم الحقيقي عدة دقائق للتنبؤ بها.

ولهذا السبب، يعمل OpenFold3 على JumpStart على SageMaker Asynchronous Inference. تسلط AWS الضوء على خاصيتين لنقاط النهاية غير المتزامنة التي تناسب أعباء العمل العلمية: فهي تضع في قائمة الانتظار دفعات من الطلبات داخليًا، بحيث يمكن للمختبر إرسال مجموعة كبيرة من التسلسلات دون إنشاء قائمة انتظار المهام الخاصة به، ويمكنها التوسع إلى صفر مثيلات عندما تكون قائمة الانتظار فارغة، مما يتجنب دفع ثمن وقت وحدة معالجة الرسومات الخامل بين التجارب. يعمل النموذج على مثيلات وحدة معالجة الرسومات G6، وتحذر AWS من أن سعة G6 يمكن أن تكون محدودة في بعض المناطق - يجب إعادة المحاولة لاحقًا أو اختيار حجم مثيل مدعوم مختلف لعمليات النشر التي تفشل مع وجود خطأ InfiniteInstanceCapacity.

يوجد أيضًا تحذير بشأن التكلفة مضمن في الإعلان: تتم محاسبة نقاط نهاية SageMaker لكل ساعة مثيل أثناء التشغيل، بما في ذلك أثناء الخمول. يخبر منشور AWS المستخدمين باتباع خطوات التنظيف الخاصة به أو تكوين النطاق إلى الصفر لتجنب الرسوم غير المتوقعة - وهي نصيحة عملية لميزانيات البحث التي نادرًا ما تتسامح مع الفواتير السحابية المفاجئة.

ماذا يعني ذلك بالنسبة للعلوم القائمة على الذكاء الاصطناعي

تعتبر صفقة التوزيع بمثابة إشارة حول مكان التقارب بين البنية التحتية السحابية للعلوم المفتوحة والبنية التحتية السحابية التجارية. قام مطورو OpenFold3 ببناء نموذج مصمم ليتم فحصه وضبطه وتوسيعه؛ قامت AWS ببناء طبقة التقديم التي تتعامل مع الحقائق التشغيلية غير الملائمة - الاستدلال متعدد الدقائق، وأحمال العمل المجمعة المتقطعة، وتكاليف وقت الخمول - التي تمنع معظم المختبرات من الاستضافة الذاتية. معًا، يقومون بتوفير القدرة التي تطلبت مؤخرًا خبرة عميقة في هندسة التعلم الآلي لفريق بحث قياسي باستخدام حساب سحابي.

المشهد التنافسي يستحق المشاهدة أيضًا. تقع نماذج التنبؤ بالبنية في قلب سباق التسلح لاكتشاف الأدوية الذي يتضمن بعضًا من أفضل مختبرات الذكاء الاصطناعي تمويلًا في العالم، كما تعمل البدائل المفتوحة على تغيير الموقف التفاوضي للجميع في هذا السوق. إذا تمكنت شركة أدوية من ضبط نموذج Apache 2.0 على بياناتها الخاصة بدلاً من استئجار نظام مغلق، فإن اقتصاديات اكتشاف الأدوية بمساعدة الذكاء الاصطناعي ستتحول بشكل كبير.

لا شيء من هذا يحل التحذيرات العلمية. الهياكل المتوقعة هي فرضيات حسابية، وليست حقائق محددة تجريبيًا، ومنشور AWS الخاص يضع النشر كمعاينة بحثية لهذا السبب بالضبط. ولكن الاتجاه واضح: النظام البيئي المفتوح الوزن الذي أعاد تشكيل معالجة اللغة الطبيعية يصل الآن إلى العلوم الجزيئية، ويتسابق مقدمو الخدمات السحابية لاستضافته.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →