Amazon Web Services ha realizzato OpenFold3-preview, un modello di previsione della struttura biomolecolare open source, distribuibile direttamente da Amazon SageMaker JumpStart, secondo un post del 13 novembre sul blog di AWS Machine Learning. La mossa mette una delle famiglie di modelli più importanti della biologia computazionale dietro un endpoint cloud gestito e offre ai team di ricerca un'alternativa con licenza aperta ai sistemi proprietari di previsione della struttura.
OpenFold3 è stato sviluppato dal Consorzio OpenFold e dall'AlQuraishi Lab della Columbia University. Come altri sforzi di scienza aperta che mantengono l'ultima ricerca sull'intelligenza artificiale accessibile a tutti, il progetto pubblica molto più di un'API black-box: il codice e i pesi del modello vengono forniti con la licenza Apache 2.0 e gli sviluppatori hanno pubblicato anche i dati e i metodi di addestramento.
Cosa può prevedere OpenFold3
OpenFold3 è un modello di previsione della struttura interamente atomica. Secondo AWS, prevede la struttura 3D congiunta di un insieme di molecole direttamente dalle loro sequenze – e non è limitato alle singole catene proteiche. Una singola previsione può piegare complessi proteici multicatena, gruppi proteina-acido nucleico e complessi proteina-ligando, coprendo gran parte delle interazioni molecolari importanti nello sviluppo di farmaci.
Questa capacità è importante perché la previsione della struttura è diventata tranquillamente un’infrastruttura fondamentale per la scoperta computazionale di farmaci. Il post di AWS rileva che i team ora fanno affidamento su di esso per l'identificazione dei target, l'ingegneria di anticorpi e proteine e lo screening virtuale basato sulla struttura: il lavoro in fase iniziale che determina quali farmaci candidati raggiungeranno mai un laboratorio umido.
Il punto è una licenza aperta
La licenza Apache 2.0 è ciò che distingue OpenFold3 in un campo affollato di sistemi a frontiera chiusa. Le organizzazioni di ricerca e le aziende farmaceutiche possono ispezionare il modello, perfezionarlo su dati proprietari e costruire prodotti commerciali su di esso secondo i termini della licenza, ha affermato AWS. Per un settore in cui le strutture molecolari e i dati di screening sono segreti commerciali gelosamente custoditi, un modello i cui pesi e metodi di formazione sono pubblicati offre ai team un livello di verificabilità che le API chiuse non possono eguagliare.
AWS descrive l'anteprima di OpenFold3 come un'anteprima di ricerca, che vale la pena tenere a mente: si tratta di una distribuzione iniziale e in evoluzione piuttosto che di un prodotto finito. Ma anche una distribuzione in anteprima di un modello aperto e pieghevole interamente atomico abbassa la barriera per i laboratori accademici che non possono negoziare licenze aziendali con fornitori di modelli proprietari.
Perché funziona con l'inferenza asincrona
La storia dell’infrastruttura è interessante quanto il modello stesso. La maggior parte dei modelli JumpStart, ovvero modelli linguistici di grandi dimensioni e modelli di incorporamento tra di essi, vengono distribuiti su endpoint in tempo reale che devono restituire una risposta entro una singola richiesta limitata a 60 secondi. La previsione della struttura non si adatta a questo schema. Il tempo di piegatura aumenta con il numero e la lunghezza delle catene in una query e le proteine e i complessi del mondo reale spesso richiedono diversi minuti per essere previsti.
Per questo motivo, OpenFold3 su JumpStart viene eseguito su SageMaker Asynchronous Inference. AWS evidenzia due proprietà degli endpoint asincroni che si adattano ai carichi di lavoro scientifici: accodano internamente raffiche di richieste, in modo che un laboratorio possa inviare un grande batch di sequenze senza creare una propria coda di lavori, e possono scalare fino a zero istanze quando la coda è vuota, evitando così di pagare per il tempo di inattività della GPU tra gli esperimenti. Il modello viene eseguito su istanze GPU G6 e AWS avverte che la capacità G6 può essere limitata in alcune regioni: le distribuzioni che falliscono con un errore InsufficientInstanceCapacity dovrebbero riprovare più tardi o scegliere una dimensione di istanza supportata diversa.
Nell'annuncio è presente anche un avviso sui costi: gli endpoint SageMaker vengono fatturati per istanza-ora durante l'esecuzione, anche in caso di inattività. Il post di AWS invita gli utenti a seguire le fasi di pulizia o a configurare la scalabilità fino a zero per evitare addebiti imprevisti: consigli pratici per i budget di ricerca che raramente tollerano fatture cloud a sorpresa.
Cosa significa per la scienza basata sull'intelligenza artificiale
L’accordo di distribuzione è un segnale sulla convergenza della scienza aperta e dell’infrastruttura cloud commerciale. Gli sviluppatori di OpenFold3 hanno creato un modello progettato per essere ispezionato, perfezionato ed esteso; AWS ha creato il livello di servizio che gestisce le realtà operative scomode (inferenza di più minuti, carichi di lavoro batch esplosivi, costi dei tempi di inattività) che impediscono alla maggior parte dei laboratori di ospitarsi autonomamente. Insieme, mettono a disposizione di un team di ricerca standard con un account cloud una funzionalità che recentemente richiedeva una profonda esperienza di ingegneria ML.
Vale la pena osservare anche il panorama competitivo. I modelli di previsione della struttura si trovano al centro di una corsa agli armamenti per la scoperta di farmaci che comprende alcuni dei laboratori di intelligenza artificiale meglio finanziati al mondo, e le alternative aperte cambiano la posizione negoziale di tutti in quel mercato. Se un’azienda farmaceutica riesce a mettere a punto un modello Apache 2.0 sui propri dati invece di noleggiare un sistema chiuso, gli aspetti economici della scoperta farmaceutica assistita dall’intelligenza artificiale cambieranno in modo significativo.
Niente di tutto ciò risolve gli avvertimenti scientifici. Le strutture previste sono ipotesi computazionali, non fatti determinati sperimentalmente, e il post di AWS inquadra la distribuzione come un'anteprima della ricerca esattamente per questo motivo. Ma la direzione è chiara: l’ecosistema open-weight che ha rimodellato l’elaborazione del linguaggio naturale sta ora raggiungendo le scienze molecolari, e i fornitori di servizi cloud stanno facendo a gara per ospitarlo.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
