AWS Machine Learning Blog の 11 月 13 日の投稿によると、アマゾン ウェブ サービスは、オープンソースの生体分子構造予測モデルである OpenFold3-preview を Amazon SageMaker JumpStart から直接デプロイできるようにしました。この動きにより、計算生物学の最も重要なモデルファミリーの 1 つが管理されたクラウド エンドポイントの背後に置かれ、研究チームには独自の構造予測システムに代わるオープンにライセンスされた代替手段が与えられます。
OpenFold3 は、OpenFold Consortium とコロンビア大学の AlQuraishi Lab によって開発されました。 最新の AI 研究 を誰でもアクセスできるようにする他のオープンサイエンスの取り組みと同様に、このプロジェクトはブラックボックス API をはるかに超えたものを公開しています。コードとモデルの重みは Apache 2.0 ライセンスの下で出荷され、開発者はトレーニング データとメソッドも公開しています。
OpenFold3 が予測できること
OpenFold3 は全原子構造予測モデルです。 AWS によると、これは一連の分子の結合 3D 構造をその配列から直接予測し、単一のタンパク質鎖に限定されません。単一の予測により、多鎖タンパク質複合体、タンパク質-核酸集合体、タンパク質-リガンド複合体を折りたたむことができ、これは医薬品開発において重要な分子相互作用の大部分をカバーします。
構造予測がコンピュータによる創薬の中核インフラとなっているため、この機能は重要です。 AWS の投稿では、チームが現在、ターゲットの同定、抗体とタンパク質のエンジニアリング、構造ベースの仮想スクリーニング、つまりどの薬剤候補がウェットラボに到達するかを決定する初期段階の作業に AWS を利用していると述べています。
オープンライセンスがポイント
Apache 2.0 ライセンスは、閉鎖的なフロンティア システムが密集する分野で OpenFold3 を区別するものです。 AWSによると、研究機関や製薬会社はライセンス条項に基づいてモデルを検査し、独自のデータに基づいて微調整し、その上に商用製品を構築できるという。分子構造とスクリーニングデータが企業秘密として厳重に保護されている業界では、重みとトレーニング方法が公開されているモデルにより、クローズド API では実現できないレベルの監査可能性がチームに提供されます。
AWS は OpenFold3-preview を研究プレビューと説明していますが、これは留意する価値があります。これは完成品ではなく、初期の進化中のデプロイメントです。しかし、オープンな全原子折りたたみモデルのプレビュー配布であっても、独自のモデルプロバイダーとエンタープライズライセンスを交渉できない学術研究機関にとっての障壁は低くなります。
非同期推論で実行される理由
インフラストラクチャの話は、モデル自体と同じくらい興味深いものです。ほとんどの JumpStart モデル (大規模な言語モデルとその中の埋め込みモデル) は、60 秒を上限とする 1 つのリクエスト内で応答を返さなければならないリアルタイム エンドポイントにデプロイされます。構造予測はその型には当てはまりません。フォールディング時間はクエリ内のチェーンの数と長さに応じて増加し、現実世界のタンパク質や複合体の予測には数分かかることがよくあります。
そのため、JumpStart の OpenFold3 は SageMaker Asynchronous Inference 上で実行されます。 AWS は、科学的ワークロードに適した非同期エンドポイントの 2 つの特性を強調しています。1 つはリクエストのバーストを内部でキューに入れるため、研究室は独自のジョブ キューを構築せずにシーケンスの大規模なバッチを送信できること、もう 1 つはキューが空の場合はインスタンスをゼロにスケールできるため、実験間のアイドル時間の GPU の支払いを回避できることです。このモデルは G6 GPU インスタンスで実行され、AWS は、一部のリージョンでは G6 の容量が制限される可能性があると警告しています。InsufficientInstanceCapacity エラーで失敗したデプロイメントは、後で再試行するか、サポートされている別のインスタンス サイズを選択する必要があります。
アナウンスにはコストに関する警告も組み込まれています。SageMaker エンドポイントは、アイドル中を含む実行中、インスタンス時間ごとに料金が請求されます。 AWS の投稿では、予期せぬ料金を回避するためにクリーンアップ手順に従うか、ゼロへのスケールを設定するようユーザーに指示しています。これは、予想外のクラウド請求がほとんど許容されない研究予算に対する実用的なアドバイスです。
AI 主導の科学にとっての意味
この販売契約は、オープン サイエンスと商用クラウド インフラストラクチャがどこに収束するかを示すものです。 OpenFold3 の開発者は、検査、微調整、拡張できるように設計されたモデルを構築しました。 AWS は、ほとんどのラボのセルフホスティングを妨げている、数分間にわたる推論、バースト的なバッチ ワークロード、アイドル時間のコストといった厄介な運用上の現実に対処するサービス層を構築しました。これらを組み合わせることで、最近は ML エンジニアリングの深い専門知識が必要となっていた機能を、クラウド アカウントを持つ標準的な研究チームが利用できるようになります。
競争環境も注目に値します。構造予測モデルは、世界で最も資金力のある AI 研究室を含む創薬軍拡競争の中心に位置しており、オープンな代替案は、その市場の全員の交渉上の立場を変えます。製薬会社がクローズド システムを借りるのではなく、自社のデータに基づいて Apache 2.0 モデルを微調整できれば、AI 支援創薬の経済性は大きく変化します。
どれも科学的な警告を解決するものではありません。予測される構造は計算上の仮説であり、実験的に決定された事実ではありません。AWS 自身の投稿では、まさにその理由から、デプロイメントを研究プレビューとして組み立てています。しかし、方向性は明確です。自然言語処理を再構築したオープンウェイト エコシステムは現在、分子科学にまで到達しており、クラウド プロバイダーはそれをホストしようと競い合っています。
---
AI の先を行く最新の AI ニュース、分析、画期的な情報をすべて 1 か所で入手できます。
AI ニュースをもっと読む→
