Layanan Web Amazon wis nggawe OpenFold3-pratinjau, model prediksi struktur biomolekul sumber terbuka, bisa disebar langsung saka Amazon SageMaker JumpStart, miturut kiriman 13 November ing AWS Machine Learning Blog. Pamindhahan kasebut ndadekake salah sawijining kulawarga model biologi komputasi sing paling penting ing mburi titik awan sing dikelola - lan menehi tim riset alternatif sing dilisensi kanthi terbuka kanggo sistem prediksi struktur proprietary.
OpenFold3 dikembangake dening Konsorsium OpenFold lan Lab AlQuraishi ing Universitas Columbia. Kaya upaya ilmu terbuka liyane sing njaga riset AI paling anyar bisa diakses kabeh wong, proyek kasebut nerbitake luwih akeh tinimbang API kothak ireng: kode lan bobot model dikirim ing sangisore lisensi Apache 2.0, lan para pangembang uga wis nerbitake data lan metode latihan.
Apa OpenFold3 Bisa Prediksi
OpenFold3 minangka model prediksi struktur kabeh atom. Miturut AWS, prediksi struktur 3D gabungan sakumpulan molekul langsung saka urutane - lan ora diwatesi karo rantai protein tunggal. Prediksi siji bisa melu kompleks protein multi-rantai, rakitan protein-nukleat, lan kompleks protein-ligan, sing nyakup bagean gedhe saka interaksi molekuler sing penting ing pangembangan obat.
Kemampuan kasebut penting amarga prediksi struktur wis dadi infrastruktur inti kanggo panemuan obat komputasi. Kiriman AWS nyathet yen tim saiki ngandelake identifikasi target, rekayasa antibodi lan protein, lan screening virtual adhedhasar struktur - karya tahap awal sing nemtokake calon obat sing wis tekan laboratorium udan.
Lisensi Terbuka Intine
Lisensi Apache 2.0 yaiku sing mbedakake OpenFold3 ing lapangan sing rame karo sistem perbatasan tertutup. Organisasi riset lan perusahaan farmasi bisa mriksa model kasebut, nyetel data kepemilikan, lan nggawe produk komersial ing ndhuwur miturut syarat lisensi, ujare AWS. Kanggo industri sing struktur molekul lan data saringan dijaga kanthi rapet, model sing bobot lan metode latihan diterbitake menehi tim tingkat audit sing ora bisa cocog karo API sing ditutup.
AWS njlèntrèhaké OpenFold3-pratinjau minangka pratinjau riset, kang worth mbudidaya: iki wiwitan, panyebaran berkembang tinimbang produk rampung. Nanging malah distribusi pratinjau model lempitan kabeh-atom mbukak alangan kanggo lab akademik sing ora bisa rembugan lisensi perusahaan karo panyedhiya model tertutup.
Apa Iki Mlaku ing Inferensi Asynchronous
Crita infrastruktur minangka menarik kaya model kasebut. Umume model JumpStart - model basa gedhe lan model semat ing antarane - disebarake menyang titik pungkasan wektu nyata sing kudu ngasilake respon sajrone panyuwunan sing diwatesi ing 60 detik. Prediksi struktur ora cocog karo cetakan kasebut. Wektu lempitan mundhak kanthi jumlah lan dawa ranté ing pitakonan, lan protèin lan komplèks donya nyata kerep njupuk sawetara menit kanggo prédhiksi.
Mulane, OpenFold3 ing JumpStart mlaku ing SageMaker Asynchronous Inference. AWS nyoroti rong sifat titik pungkasan bedo sing cocog karo beban kerja ilmiah: padha antrian panjalukan internal, supaya lab bisa ngirim akeh urutan tanpa nggawe antrian proyek dhewe, lan bisa skala menyang nul nalika antrian kosong, sing ngindhari mbayar wektu GPU nganggur ing antarane eksperimen. Model kasebut nganggo conto GPU G6, lan AWS ngelingake yen kapasitas G6 bisa diwatesi ing sawetara wilayah - panyebaran sing gagal karo kesalahan InsufficientInstanceCapacity kudu nyoba maneh mengko utawa milih ukuran conto sing didhukung liyane.
Ana uga bebaya biaya sing disedhiyakake ing woro-woro kasebut: Titik akhir SageMaker ditagih saben jam nalika mlaku, kalebu nalika nganggur. Kiriman AWS ngandhani pangguna supaya ngetutake langkah-langkah pembersihan utawa ngatur skala-kanggo-nol kanggo ngindhari biaya sing ora dikarepke - saran praktis kanggo anggaran riset sing arang ngidinke tagihan awan kejutan.
Apa Tegese kanggo Ilmu sing Didorong AI
Kesepakatan distribusi minangka sinyal babagan endi ilmu terbuka lan infrastruktur awan komersial konvergen. Pangembang OpenFold3 nggawe model sing dirancang kanggo dipriksa, disetel lan ditambahi; AWS mbangun lapisan porsi sing nangani kasunyatan operasional sing kikuk - inferensi multi-menit, beban kerja batch bursty, biaya wektu nganggur - sing mungkasi paling lab saka hosting dhewe. Bebarengan, padha nggawe kemampuan sing bubar mbutuhake keahlian teknik ML jero sing kasedhiya kanggo tim riset standar kanthi akun awan.
Lanskap kompetitif uga patut ditonton. Model prediksi struktur ana ing tengah balapan senjata panemuan obat sing kalebu sawetara laboratorium AI sing didanai paling apik ing donya, lan alternatif mbukak ngganti posisi negosiasi kabeh wong ing pasar kasebut. Yen perusahaan farmasi bisa nyempurnakake model Apache 2.0 ing data dhewe tinimbang nyewa sistem sing ditutup, ekonomi panemuan obat sing dibantu AI ganti kanthi signifikan.
Ora ana sing ngrampungake kaveat ilmiah. Struktur sing diprediksi minangka hipotesis komputasi, dudu fakta sing ditemtokake kanthi eksperimen, lan kiriman AWS dhewe nggawe panyebaran kasebut minangka pratinjau riset kanthi alesan kasebut. Nanging arahe jelas: ekosistem bobot mbukak sing ngowahi proses basa alami saiki wis tekan ilmu molekuler, lan panyedhiya awan balapan dadi tuan rumah.
---
Tetep Ahead of AIEntuk warta, analisis, lan terobosan AI paling anyar - kabeh ing sak panggonan.
Waca liyane AI warta →
