Amazon Web Services a créé OpenFold3-preview, un modèle de prédiction de structure biomoléculaire open source, déployable directement à partir d'Amazon SageMaker JumpStart, selon un article du 13 novembre sur le blog AWS Machine Learning. Cette décision place l'une des familles de modèles les plus importantes de la biologie computationnelle derrière un point de terminaison cloud géré – et offre aux équipes de recherche une alternative sous licence ouverte aux systèmes propriétaires de prédiction de structure.
OpenFold3 a été développé par le Consortium OpenFold et le laboratoire AlQuraishi de l'Université de Columbia. Comme d'autres efforts de science ouverte qui maintiennent les dernières recherches sur l'IA accessibles à tous, le projet publie bien plus qu'une API boîte noire : le code et les pondérations du modèle sont livrés sous la licence Apache 2.0, et les développeurs ont également publié les données et les méthodes de formation.
Ce qu'OpenFold3 peut prédire
OpenFold3 est un modèle de prédiction de structure entièrement atomique. Selon AWS, il prédit la structure 3D commune d'un ensemble de molécules directement à partir de leurs séquences – et ne se limite pas aux chaînes protéiques uniques. Une seule prédiction peut regrouper des complexes protéiques multichaînes, des assemblages protéine-acide nucléique et des complexes protéine-ligand, ce qui couvre une grande partie des interactions moléculaires importantes dans le développement de médicaments.
Cette capacité est importante car la prédiction de structure est progressivement devenue une infrastructure essentielle pour la découverte informatique de médicaments. Le message d'AWS indique que les équipes s'en servent désormais pour l'identification des cibles, l'ingénierie des anticorps et des protéines, ainsi que le criblage virtuel basé sur la structure - le travail préliminaire qui détermine quels médicaments candidats atteignent un laboratoire humide.
Une licence ouverte est le but
La licence Apache 2.0 est ce qui distingue OpenFold3 dans un domaine encombré de systèmes à frontières fermées. Les organismes de recherche et les sociétés pharmaceutiques peuvent inspecter le modèle, l'affiner sur des données exclusives et créer des produits commerciaux dessus selon les termes de la licence, a déclaré AWS. Pour une industrie où les structures moléculaires et les données de criblage sont des secrets commerciaux jalousement gardés, un modèle dont les pondérations et les méthodes de formation sont publiées offre aux équipes un niveau d'auditabilité que les API fermées ne peuvent égaler.
AWS décrit OpenFold3-preview comme un aperçu de recherche, qu'il convient de garder à l'esprit : il s'agit d'un déploiement précoce et évolutif plutôt que d'un produit fini. Mais même une distribution en avant-première d'un modèle pliable ouvert entièrement constitué d'atomes abaisse la barrière pour les laboratoires universitaires qui ne peuvent pas négocier de licences d'entreprise avec des fournisseurs de modèles propriétaires.
Pourquoi il fonctionne sur l'inférence asynchrone
L’histoire des infrastructures est aussi intéressante que le modèle lui-même. La plupart des modèles JumpStart (grands modèles de langage et modèles d'intégration parmi eux) se déploient sur des points de terminaison en temps réel qui doivent renvoyer une réponse dans une seule requête limitée à 60 secondes. La prédiction de structure ne correspond pas à ce moule. Le temps de repliement augmente avec le nombre et la longueur des chaînes dans une requête, et la prédiction des protéines et des complexes du monde réel prend souvent plusieurs minutes.
Pour cette raison, OpenFold3 sur JumpStart s'exécute sur l'inférence asynchrone SageMaker. AWS met en évidence deux propriétés des points de terminaison asynchrones qui conviennent aux charges de travail scientifiques : ils mettent en file d'attente des rafales de requêtes en interne, afin qu'un laboratoire puisse soumettre un grand lot de séquences sans créer sa propre file d'attente de tâches, et ils peuvent évoluer jusqu'à zéro instance lorsque la file d'attente est vide, ce qui évite de payer pour le temps d'inactivité du GPU entre les expériences. Le modèle s'exécute sur des instances GPU G6, et AWS prévient que la capacité G6 peut être limitée dans certaines régions : les déploiements qui échouent avec une erreur InsufficientInstanceCapacity doivent réessayer plus tard ou choisir une taille d'instance prise en charge différente.
L'annonce contient également un avertissement de coût : les points de terminaison SageMaker sont facturés par heure d'instance pendant leur exécution, y compris lorsqu'ils sont inactifs. La publication d'AWS indique aux utilisateurs de suivre ses étapes de nettoyage ou de configurer une mise à l'échelle jusqu'à zéro pour éviter des frais inattendus – des conseils pratiques pour les budgets de recherche qui tolèrent rarement des factures cloud surprises.
Ce que cela signifie pour la science basée sur l'IA
L’accord de distribution est un signal sur la convergence de la science ouverte et de l’infrastructure cloud commerciale. Les développeurs d'OpenFold3 ont construit un modèle conçu pour être inspecté, affiné et étendu ; AWS a créé la couche de service qui gère les réalités opérationnelles difficiles (inférence de plusieurs minutes, charges de travail par lots en rafale, coûts d'inactivité) qui empêchent la plupart des laboratoires de s'auto-héberger. Ensemble, ils mettent à la disposition d’une équipe de recherche standard disposant d’un compte cloud une capacité qui nécessitait récemment une expertise approfondie en ingénierie ML.
Le paysage concurrentiel mérite également d’être surveillé. Les modèles de prédiction de structure sont au centre d’une course aux armements pour la découverte de médicaments qui implique certains des laboratoires d’IA les mieux financés au monde, et les alternatives ouvertes changent la position de négociation de chacun sur ce marché. Si une entreprise pharmaceutique parvient à affiner un modèle Apache 2.0 sur ses propres données au lieu de louer un système fermé, l’économie de la découverte de médicaments assistée par l’IA changera de manière significative.
Rien de tout cela ne résout les réserves scientifiques. Les structures prédites sont des hypothèses informatiques, et non des faits déterminés expérimentalement, et la propre publication d'AWS présente le déploiement comme un aperçu de la recherche exactement pour cette raison. Mais la direction est claire : l’écosystème ouvert qui a remodelé le traitement du langage naturel atteint désormais les sciences moléculaires, et les fournisseurs de cloud se précipitent pour l’héberger.
---
Gardez une longueur d'avance sur l'IARecevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.
Lire plus d'actualités sur l'IA →
