Laut einem Beitrag im AWS Machine Learning Blog vom 13. November hat Amazon Web Services OpenFold3-preview, ein Open-Source-Modell zur Vorhersage biomolekularer Strukturen, direkt über Amazon SageMaker JumpStart einsetzbar gemacht. Durch diesen Schritt wird eine der folgenreichsten Modellfamilien der Computational Biology hinter einen verwalteten Cloud-Endpunkt gestellt – und Forschungsteams erhalten eine offen lizenzierte Alternative zu proprietären Strukturvorhersagesystemen.
OpenFold3 wurde vom OpenFold Consortium und dem AlQuraishi Lab an der Columbia University entwickelt. Wie andere Open-Science-Bemühungen, die die neueste KI-Forschung für jedermann zugänglich machen, veröffentlicht das Projekt weit mehr als eine Black-Box-API: Der Code und die Modellgewichte werden unter der Apache 2.0-Lizenz geliefert, und die Entwickler haben auch die Trainingsdaten und -methoden veröffentlicht.
Was OpenFold3 vorhersagen kann
OpenFold3 ist ein Modell zur Vorhersage der Struktur aller Atome. Laut AWS sagt es die gemeinsame 3D-Struktur einer Reihe von Molekülen direkt aus deren Sequenzen voraus – und ist nicht auf einzelne Proteinketten beschränkt. Eine einzige Vorhersage kann mehrkettige Proteinkomplexe, Protein-Nukleinsäure-Anordnungen und Protein-Ligand-Komplexe falten, was einen großen Teil der molekularen Wechselwirkungen abdeckt, die bei der Arzneimittelentwicklung von Bedeutung sind.
Diese Fähigkeit ist wichtig, weil die Strukturvorhersage stillschweigend zur Kerninfrastruktur für die rechnergestützte Arzneimittelentwicklung geworden ist. In dem Beitrag von AWS heißt es, dass Teams sich jetzt darauf verlassen, wenn es um die Zielidentifizierung, das Antikörper- und Protein-Engineering und das strukturbasierte virtuelle Screening geht – die frühen Arbeiten, die bestimmen, welche Medikamentenkandidaten jemals ein Nasslabor erreichen.
Eine offene Lizenz ist der Punkt
Die Apache 2.0-Lizenzierung ist das, was OpenFold3 in einem Bereich voller geschlossener Grenzsysteme auszeichnet. Forschungsorganisationen und Pharmaunternehmen können das Modell prüfen, es anhand proprietärer Daten verfeinern und darauf kommerzielle Produkte gemäß den Lizenzbedingungen entwickeln, sagte AWS. In einer Branche, in der molekulare Strukturen und Screening-Daten streng gehütete Geschäftsgeheimnisse sind, bietet ein Modell, dessen Gewichte und Trainingsmethoden veröffentlicht werden, den Teams ein Maß an Überprüfbarkeit, das geschlossene APIs nicht erreichen können.
AWS beschreibt OpenFold3-preview als Forschungsvorschau, was man im Hinterkopf behalten sollte: Es handelt sich eher um eine frühe, sich entwickelnde Bereitstellung als um ein fertiges Produkt. Aber selbst eine Vorschauverteilung eines offenen All-Atom-Faltmodells senkt die Hürde für akademische Labore, die keine Unternehmenslizenzen mit Anbietern proprietärer Modelle aushandeln können.
Warum es auf asynchroner Inferenz läuft
Die Infrastrukturgeschichte ist ebenso interessant wie das Modell selbst. Die meisten JumpStart-Modelle – darunter große Sprachmodelle und Einbettungsmodelle – werden auf Echtzeitendpunkten bereitgestellt, die innerhalb einer einzigen Anfrage, die auf 60 Sekunden begrenzt ist, eine Antwort zurückgeben müssen. Die Strukturvorhersage passt nicht in dieses Schema. Die Faltungszeit wächst mit der Anzahl und Länge der Ketten in einer Abfrage, und die Vorhersage realer Proteine und Komplexe dauert oft mehrere Minuten.
Aus diesem Grund läuft OpenFold3 auf JumpStart auf SageMaker Asynchronous Inference. AWS hebt zwei Eigenschaften asynchroner Endpunkte hervor, die für wissenschaftliche Arbeitslasten geeignet sind: Sie stellen eine Reihe von Anfragen intern in die Warteschlange, sodass ein Labor einen großen Stapel von Sequenzen übermitteln kann, ohne eine eigene Jobwarteschlange aufzubauen, und sie können auf null Instanzen skalieren, wenn die Warteschlange leer ist, wodurch die Kosten für ungenutzte GPU-Zeit zwischen den Experimenten vermieden werden. Das Modell läuft auf G6-GPU-Instanzen und AWS weist darauf hin, dass die G6-Kapazität in einigen Regionen begrenzt sein kann – Bereitstellungen, die mit dem Fehler „InsufficientInstanceCapacity“ fehlschlagen, sollten es später erneut versuchen oder eine andere unterstützte Instanzgröße wählen.
In die Ankündigung ist auch eine Kostenwarnung integriert: SageMaker-Endpunkte werden während der Ausführung, auch im Leerlauf, pro Instanzstunde abgerechnet. Der Beitrag von AWS fordert Benutzer auf, die Bereinigungsschritte zu befolgen oder die Skalierung auf Null zu konfigurieren, um unerwartete Gebühren zu vermeiden – ein praktischer Rat für Forschungsbudgets, die überraschende Cloud-Rechnungen selten tolerieren.
Was es für die KI-gesteuerte Wissenschaft bedeutet
Der Vertriebsvertrag ist ein Signal dafür, wo offene Wissenschaft und kommerzielle Cloud-Infrastruktur zusammenwachsen. Die Entwickler von OpenFold3 haben ein Modell erstellt, das überprüft, verfeinert und erweitert werden kann. AWS hat die Bereitstellungsschicht entwickelt, die die schwierigen betrieblichen Gegebenheiten bewältigt – minutenlange Inferenz, hohe Batch-Arbeitslasten, Leerlaufzeitkosten –, die die meisten Labore davon abhalten, sich selbst zu hosten. Zusammen stellen sie einem Standard-Forschungsteam mit einem Cloud-Konto eine Fähigkeit zur Verfügung, die in letzter Zeit umfassendes Fachwissen im Bereich ML-Engineering erforderte.
Auch die Wettbewerbslandschaft ist sehenswert. Strukturvorhersagemodelle stehen im Mittelpunkt eines Wettrüstens in der Arzneimittelforschung, an dem einige der am besten finanzierten KI-Labore der Welt beteiligt sind, und offene Alternativen verändern die Verhandlungsposition aller auf diesem Markt. Wenn ein Pharmaunternehmen ein Apache 2.0-Modell anhand seiner eigenen Daten verfeinern kann, anstatt ein geschlossenes System zu mieten, verändert sich die Wirtschaftlichkeit der KI-gestützten Arzneimittelforschung erheblich.
Nichts davon beseitigt die wissenschaftlichen Vorbehalte. Bei den vorhergesagten Strukturen handelt es sich um rechnerische Hypothesen und nicht um experimentell ermittelte Fakten, und der AWS-eigene Beitrag stellt die Bereitstellung aus genau diesem Grund als Forschungsvorschau dar. Aber die Richtung ist klar: Das offene Ökosystem, das die Verarbeitung natürlicher Sprache neu gestaltet hat, erreicht nun die Molekularwissenschaften, und die Cloud-Anbieter wetteifern darum, es zu hosten.
---
Der KI einen Schritt voraus seinErhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Weitere KI-Neuigkeiten lesen →
