Amazon Web Services створила OpenFold3-preview, модель прогнозування біомолекулярної структури з відкритим кодом, яку можна розгортати безпосередньо з Amazon SageMaker JumpStart, згідно з дописом у блозі AWS Machine Learning Blog від 13 листопада. Цей крок поміщає одну з найбільш послідовних сімейств моделей обчислювальної біології за керовану хмарну кінцеву точку — і дає дослідницьким групам відкриту ліцензовану альтернативу власним системам прогнозування структури.
OpenFold3 був розроблений консорціумом OpenFold і лабораторією AlQuraishi при Колумбійському університеті. Подібно до інших відкритих наукових досліджень, які роблять найновіші дослідження штучного інтелекту доступними для всіх, проект публікує набагато більше, ніж API чорної скриньки: код і ваги моделі постачаються за ліцензією Apache 2.0, а розробники також опублікували навчальні дані та методи.
Що OpenFold3 може передбачити
OpenFold3 — це модель прогнозування структури атомів. Згідно з AWS, він передбачає спільну 3D-структуру набору молекул безпосередньо з їх послідовностей — і це не обмежується окремими білковими ланцюгами. Єдине передбачення може згортати багатоланцюгові білкові комплекси, комплекси білок–нуклеїнова кислота та комплекси білок–ліганд, що охоплює велику частку молекулярних взаємодій, які мають значення при розробці ліків.
Ця можливість має значення, оскільки прогнозування структури тихо стало основною інфраструктурою для обчислювального відкриття ліків. У дописі AWS зазначається, що команди тепер покладаються на нього для ідентифікації мішеней, інженерії антитіл і білків, а також віртуального скринінгу на основі структур — роботи на ранніх стадіях, яка визначає, які препарати-кандидати коли-небудь потраплять у «мокру» лабораторію.
Головне – відкрита ліцензія
Ліцензування Apache 2.0 – це те, що виділяє OpenFold3 у сфері, переповненій закритими прикордонними системами. Дослідницькі організації та фармацевтичні компанії можуть перевіряти модель, налаштовувати її на основі власних даних і створювати на її основі комерційні продукти згідно з умовами ліцензії, повідомляє AWS. Для галузі, де молекулярні структури та дані скринінгу є комерційною таємницею, модель, вагові коефіцієнти та методи навчання якої опубліковані, дає командам такий рівень перевірки, з яким не можуть зрівнятися закриті API.
AWS описує OpenFold3-preview як попередній перегляд дослідження, про що варто пам’ятати: це раннє розгортання, а не готовий продукт. Але навіть розповсюдження попереднього перегляду відкритої моделі, що складається з усіх атомів, знижує бар’єр для академічних лабораторій, які не можуть домовитися про корпоративні ліцензії з постачальниками пропрієтарних моделей.
Чому він працює на основі асинхронного висновку
Історія інфраструктури така ж цікава, як і сама модель. Більшість моделей JumpStart — великі мовні моделі та моделі вбудовування серед них — розгортаються в кінцевих точках реального часу, які мають повертати відповідь протягом одного запиту, обмеженого 60 секундами. Прогнозування структури не відповідає цій формі. Час згортання зростає зі збільшенням кількості та довжини ланцюжків у запиті, і для прогнозування реальних білків і комплексів часто потрібно кілька хвилин.
З цієї причини OpenFold3 на JumpStart працює на асинхронному висновку SageMaker. AWS виділяє дві властивості асинхронних кінцевих точок, які відповідають науковим навантаженням: вони ставлять у чергу пакети запитів усередині, тому лабораторія може надіслати велику партію послідовностей без створення власної черги завдань, і вони можуть масштабувати до нуля екземплярів, коли черга порожня, що дозволяє уникнути оплати за час простою GPU між експериментами. Модель працює на екземплярах G6 GPU, і AWS попереджає, що ємність G6 може бути обмежена в деяких регіонах — розгортання, які завершуються помилкою InsufficientInstanceCapacity, повинні повторити спробу пізніше або вибрати інший підтримуваний розмір інстанції.
В оголошенні також є попередження про вартість: кінцеві точки SageMaker виставляються за годину інсталяції під час роботи, включно з неактивністю. Публікація AWS повідомляє користувачам виконати кроки з очищення або налаштувати масштабування до нуля, щоб уникнути неочікуваних платежів — практична порада для дослідницьких бюджетів, які рідко терплять несподівані хмарні рахунки.
Що це означає для науки, керованої ШІ
Угода про розповсюдження є сигналом про те, де зближуються відкрита наука та комерційна хмарна інфраструктура. Розробники OpenFold3 створили модель, призначену для перевірки, точного налаштування та розширення; AWS створила рівень обслуговування, який справляється з незручними операційними реаліями — багатохвилинними висновками, бурхливими пакетними робочими навантаженнями, витратами простою — які перешкоджають більшості лабораторій самостійного розміщення. Разом вони роблять можливість, яка нещодавно вимагала глибоких інженерних знань МЛ, доступною для стандартної дослідницької групи з хмарним обліковим записом.
Конкурентний ландшафт також вартий уваги. Моделі прогнозування структури перебувають у центрі гонки озброєнь щодо відкриття ліків, яка охоплює деякі з найкраще фінансованих лабораторій ШІ у світі, а відкриті альтернативи змінюють переговорну позицію кожного на цьому ринку. Якщо фармацевтична компанія зможе налаштувати модель Apache 2.0 на основі власних даних замість оренди закритої системи, економіка пошуку ліків за допомогою штучного інтелекту істотно зміниться.
Жодне з цього не усуває наукових застережень. Прогнозовані структури є обчислювальними гіпотезами, а не експериментально визначеними фактами, і власна публікація AWS розглядає розгортання як попередній перегляд саме з цієї причини. Але напрямок чіткий: відкрита екосистема, яка змінила обробку природної мови, тепер досягає молекулярних наук, і хмарні постачальники змагаються, щоб її розмістити.
---
Будьте попереду ШІОтримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
