Amazon Web Services הפכה את OpenFold3-preview, מודל חיזוי מבנה ביו-מולקולרי בקוד פתוח, הניתן לפריסה ישירות מאמזון SageMaker JumpStart, על פי פוסט ב-13 בנובמבר בבלוג של AWS Machine Learning. המהלך מציב את אחת ממשפחות המודלים החשובות ביותר של הביולוגיה החישובית מאחורי נקודת קצה מנוהלת בענן - ומעניק לצוותי מחקר אלטרנטיבה ברישיון גלוי למערכות קנייניות לחיזוי מבנה.

OpenFold3 פותח על ידי קונסורציום OpenFold ומעבדת AlQuraishi באוניברסיטת קולומביה. כמו מאמצי מדע פתוח אחרים ששומרים על מחקר הבינה המלאכותית נגיש לכולם, הפרויקט מפרסם הרבה יותר מ-API של קופסה שחורה: הקוד ומשקולות הדגם נשלחים תחת רישיון Apache 2.0, והמפתחים פרסמו גם את נתוני ההדרכה והשיטות.

מה OpenFold3 יכול לחזות

OpenFold3 הוא מודל חיזוי מבנה של כל האטומים. לפי AWS, הוא חוזה את המבנה התלת-ממדי המשותף של קבוצת מולקולות ישירות מהרצפים שלהן - וזה לא מוגבל לשרשראות חלבון בודדות. חיזוי יחיד יכול לקפל קומפלקסים של חלבון רב-שרשרת, מכלולי חלבון-חומצת גרעין ומתחמי חלבון-ליגנד, המכסה חלק גדול מהאינטראקציות המולקולריות החשובות בפיתוח תרופות.

היכולת הזו חשובה כי חיזוי מבנה הפך בשקט לתשתית ליבה לגילוי תרופות חישוביות. הפוסט של AWS מציין שצוותים מסתמכים עליו כעת לזיהוי מטרות, הנדסת נוגדנים וחלבונים, והקרנה וירטואלית מבוססת מבנה - העבודה בשלב מוקדם שקובעת אילו מועמדים לתרופות יגיעו אי פעם למעבדה רטובה.

רישיון פתוח הוא הנקודה

רישוי Apache 2.0 הוא מה שמייחד את OpenFold3 בשדה עמוס במערכות גבול סגורות. ארגוני מחקר וחברות תרופות יכולים לבדוק את המודל, לכוונן אותו לפי נתונים קנייניים ולבנות עליו מוצרים מסחריים בתנאי הרישיון, אמר AWS. עבור תעשייה שבה מבנים מולקולריים ונתוני סינון הם סודות מסחריים שמורים היטב, מודל שמשקלו ושיטות האימון שלו מתפרסמות מעניק לצוותים רמת ביקורתיות שממשקי API סגורים לא יכולים להתאים לה.

AWS מתארת ​​את OpenFold3-preview כתצוגה מקדימה של מחקר, שכדאי לזכור: זוהי פריסה מוקדמת ומתפתחת ולא מוצר מוגמר. אבל אפילו הפצת תצוגה מקדימה של מודל מתקפל פתוח הכולל אטומים מורידה את המחסום עבור מעבדות אקדמיות שלא יכולות לנהל משא ומתן על רישיונות ארגוניים עם ספקי מודל קנייניים.

למה זה פועל בהסקה אסינכרונית

סיפור התשתית מעניין לא פחות מהדגם עצמו. רוב המודלים של JumpStart - מודלים של שפות גדולות ומודלים מטמיעים ביניהם - נפרסים לנקודות קצה בזמן אמת שחייבות להחזיר תגובה תוך בקשה בודדת עד 60 שניות. חיזוי מבנה לא מתאים לתבנית הזו. זמן הקיפול גדל עם המספר והאורך של השרשראות בשאילתה, ולעתים קרובות נדרשות מספר דקות לחיזוי חלבונים וקומפלקסים בעולם האמיתי.

מסיבה זו, OpenFold3 ב-JumpStart פועל על SageMaker Asynchronous Inference. AWS מדגישה שני מאפיינים של נקודות קצה אסינכרוניות שמתאימות לעומסי עבודה מדעיים: הם מעמידים בתור פרצי בקשות פנימית, כך שמעבדה יכולה להגיש אצווה גדולה של רצפים מבלי לבנות תור עבודה משלה, והם יכולים לשנות את קנה המידה לאפס מקרים כשהתור ריק, מה שמונע תשלום עבור זמן GPU סרק בין ניסויים. המודל פועל על מופעי GPU GPU, ו-AWS מזהיר כי קיבולת G6 יכולה להיות מוגבלת באזורים מסוימים - פריסות שנכשלות עם שגיאה של InsufficientInstanceCapacity צריכות לנסות שוב מאוחר יותר או לבחור בגודל מופע נתמך אחר.

ישנה גם אזהרת עלות שנכללת בהכרזה: נקודות קצה של SageMaker מחויבות לכל שעה של מופע בזמן ריצה, כולל בזמן סרק. הפוסט של AWS אומר למשתמשים לעקוב אחר שלבי הניקוי שלה או להגדיר קנה מידה לאפס כדי להימנע מחיובים בלתי צפויים - עצות מעשיות לתקציבי מחקר שלעיתים רחוקות סובלים חשבונות ענן מפתיעים.

מה זה אומר עבור מדע מונחה בינה מלאכותית

עסקת ההפצה היא אות לגבי המקום שבו מדע פתוח ותשתיות ענן מסחריות מתכנסות. המפתחים של OpenFold3 בנו דגם שנועד להיבדק, לכוונון ולהרחבה; AWS בנתה את שכבת ההגשה המטפלת במציאות התפעולית המביכה - הסקת מסקנות של מרובות דקות, עומסי עבודה מפוצצים, עלויות זמן סרק - שעוצרות את רוב המעבדות מלהגיש אירוח עצמי. יחד, הם הופכים יכולת שדרשה לאחרונה מומחיות הנדסית עמוקה ב-ML לזמינה לצוות מחקר סטנדרטי עם חשבון ענן.

גם הנוף התחרותי שווה צפייה. מודלים לחיזוי מבנה עומדים במרכז מרוץ חימוש לגילוי תרופות שכולל כמה ממעבדות הבינה המלאכותית הממומנות ביותר בעולם, וחלופות פתוחות משנות את עמדת המשא ומתן של כל אחד בשוק הזה. אם חברת תרופות יכולה לכוונן מודל Apache 2.0 לפי הנתונים שלה במקום לשכור מערכת סגורה, הכלכלה של גילוי תרופות בעזרת בינה מלאכותית משתנה באופן משמעותי.

כל זה לא פותר את הסייגים המדעיים. מבנים חזויים הם השערות חישוביות, לא עובדות שנקבעו בניסוי, והפוסט של AWS עצמו ממסגר את הפריסה כתצוגה מקדימה של מחקר בדיוק מהסיבה הזו. אבל הכיוון ברור: המערכת האקולוגית בעלת המשקל הפתוח שעיצבה מחדש את עיבוד השפה הטבעית מגיעה כעת למדעים המולקולריים, וספקי הענן דוהרים לארח אותה.

---

הישאר לפני AI

קבל את החדשות, הניתוחים ופריצות הדרך האחרונות של AI - הכל במקום אחד.

קרא עוד חדשות AI →