Amazon Web Services har gjort OpenFold3-preview, en biomolekylär strukturförutsägelsemodell med öppen källkod, som kan distribueras direkt från Amazon SageMaker JumpStart, enligt ett inlägg den 13 november på AWS Machine Learning Blog. Flytten placerar en av beräkningsbiologins mest följdriktiga modellfamiljer bakom en hanterad molnslutpunkt – och ger forskarteam ett öppet licensierat alternativ till proprietära strukturförutsägelsesystem.
OpenFold3 har utvecklats av OpenFold Consortium och AlQuraishi Lab vid Columbia University. Liksom andra öppna forskningsinsatser som håller den senaste AI-forskningen tillgänglig för alla, publicerar projektet mycket mer än ett black-box API: koden och modellvikterna levereras under Apache 2.0-licensen, och utvecklarna har också publicerat träningsdata och metoder.
Vad OpenFold3 kan förutsäga
OpenFold3 är en förutsägelsemodell för alla atomer. Enligt AWS förutsäger den den gemensamma 3D-strukturen för en uppsättning molekyler direkt från deras sekvenser - och den är inte begränsad till enstaka proteinkedjor. En enda förutsägelse kan vika flerkedjiga proteinkomplex, protein-nukleinsyrasammansättningar och protein-ligandkomplex, vilket täcker en stor del av de molekylära interaktionerna som är viktiga vid läkemedelsutveckling.
Den förmågan är viktig eftersom strukturförutsägelse tyst har blivit kärninfrastrukturen för beräkningsläkemedelsupptäckt. AWS inlägg noterar att team nu förlitar sig på det för målidentifiering, antikropps- och proteinteknik och strukturbaserad virtuell screening - det tidiga arbetet som avgör vilka läkemedelskandidater som någonsin når ett vått labb.
En öppen licens är poängen
Apache 2.0-licensiering är det som utmärker OpenFold3 i ett fält som är fullt av slutna gränssystem. Forskningsorganisationer och läkemedelsföretag kan inspektera modellen, finjustera den på proprietär data och bygga kommersiella produkter ovanpå den under licensens villkor, sa AWS. För en bransch där molekylära strukturer och screeningdata är noga bevakade affärshemligheter, ger en modell vars vikter och träningsmetoder publiceras team en nivå av granskningsbarhet som slutna API:er inte kan matcha.
AWS beskriver OpenFold3-preview som en forskningsförhandsvisning, vilket är värt att tänka på: detta är en tidig, utvecklande implementering snarare än en färdig produkt. Men även en förhandsvisning av en öppen vikningsmodell med helt atomer sänker barriären för akademiska laboratorier som inte kan förhandla fram företagslicenser med proprietära modellleverantörer.
Varför det körs på asynkron inferens
Infrastrukturhistorien är lika intressant som själva modellen. De flesta JumpStart-modeller – stora språkmodeller och inbäddningsmodeller bland dem – distribueras till realtidsslutpunkter som måste returnera ett svar inom en enda förfrågan som är begränsad till 60 sekunder. Strukturförutsägelse passar inte den mögeln. Vikningstiden växer med antalet och längden på kedjorna i en fråga, och verkliga proteiner och komplex tar ofta flera minuter att förutsäga.
Av den anledningen körs OpenFold3 på JumpStart på SageMaker Asynchronous Inference. AWS lyfter fram två egenskaper hos asynkrona slutpunkter som passar vetenskapliga arbetsbelastningar: de köar skurar av förfrågningar internt, så att ett labb kan skicka in en stor grupp sekvenser utan att bygga sin egen jobbkö, och de kan skala till noll instanser när kön är tom, vilket undviker att betala för ledig GPU-tid mellan experimenten. Modellen körs på G6 GPU-instanser, och AWS varnar för att G6-kapaciteten kan vara begränsad i vissa regioner – distributioner som misslyckas med ett InsufficientInstanceCapacity-fel bör försöka igen senare eller välja en annan instansstorlek som stöds.
Det finns också en kostnadsvarning inbakad i tillkännagivandet: SageMaker-slutpunkter faktureras per instanstimme under körning, inklusive när de är inaktiva. AWS inlägg berättar för användarna att följa dess saneringssteg eller konfigurera skala till noll för att undvika oväntade avgifter – praktiska råd för forskningsbudgetar som sällan tolererar överraskande molnräkningar.
Vad det betyder för AI-driven vetenskap
Distributionsavtalet är en signal om var öppen vetenskap och kommersiell molninfrastruktur konvergerar. OpenFold3s utvecklare byggde en modell designad för att inspekteras, finjusteras och utökas; AWS byggde serverskiktet som hanterar de besvärliga operativa verkligheterna – flerminuters slutledning, sprängfyllda batch-arbetsbelastningar, inaktiva kostnader – som hindrar de flesta labb från att vara värdar för sig själv. Tillsammans gör de en förmåga som nyligen krävde djup ML ingenjörsexpertis tillgänglig för ett standardforskarteam med ett molnkonto.
Konkurrenslandskapet är också värt att titta på. Strukturförutsägelsemodeller står i centrum för en kapprustning för upptäckt av droger som inkluderar några av de bäst finansierade AI-labben i världen, och öppna alternativ förändrar förhandlingspositionen för alla på den marknaden. Om ett läkemedelsföretag kan finjustera en Apache 2.0-modell på sina egna data istället för att hyra ett slutet system, förändras ekonomin med AI-assisterad läkemedelsupptäckt meningsfullt.
Inget av det löser de vetenskapliga förbehållen. Förutspådda strukturer är beräkningshypoteser, inte experimentellt bestämda fakta, och AWS eget inlägg ramar in implementeringen som en forskningsförhandsvisning av exakt den anledningen. Men riktningen är tydlig: det öppna ekosystemet som omformade naturlig språkbehandling når nu molekylärvetenskaperna, och molnleverantörerna tävlar om att vara värd för det.
---
Stay ahead of AIFå de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.
Läs mer AI-nyheter →
