OpenFold3 ya está disponible en Amazon SageMaker JumpStart para la predicción de estructuras biomoleculares

OpenFold3-preview ya está disponible en Amazon SageMaker JumpStart, lo que permite a los usuarios implementar el modelo en sus propias cuentas de AWS y predecir las estructuras 3D de proteínas, ADN, ARN, ligandos de pequeñas moléculas y los complejos que forman. El modelo fue desarrollado por el OpenFold Consortium y el AlQuraishi Lab de la Universidad de Columbia.

Detalles del modelo y disponibilidad

OpenFold3 es un modelo de predicción de estructuras de todos los átomos que predice la estructura 3D conjunta de un conjunto de moléculas a partir de sus secuencias. Puede plegar complejos de proteínas multicadena, ensamblajes de proteína-ácido nucleico y complejos de proteína-ligando en una sola predicción. Los desarrolladores publican su código y los pesos del modelo bajo la licencia Apache 2.0 y publican los datos y métodos de entrenamiento. Los desarrolladores describen OpenFold3-preview como una vista previa de investigación.

El ID del modelo en JumpStart es huggingface-proteinfolding-openfold3. Las instancias compatibles son ml.g6.2xlarge, ml.g6.4xlarge (predeterminado) y ml.g6.12xlarge. La versión del modelo es OpenFold3 0.4.1, checkpoint of3-p2-155k.

Cómo funciona la implementación

OpenFold3 en JumpStart se ejecuta en SageMaker Asynchronous Inference. Los usuarios cargan una solicitud en Amazon S3 y llaman a InvokeEndpointAsync, lo que devuelve inmediatamente. El punto de conexión pone la solicitud en cola y la procesa, con un tiempo de espera de invocación de hasta 1 hora. Los resultados o los detalles del error se escriben en una ubicación de S3 elegida por el usuario.

Los puntos de conexión asíncronos ponen en cola internamente ráfagas de solicitudes y pueden escalar a cero instancias cuando la cola está vacía, lo que ayuda a los usuarios a evitar pagar por instancias inactivas entre experimentos. Los puntos de conexión de SageMaker se facturan por hora de instancia mientras están en ejecución, incluso cuando están inactivos.

La implementación generalmente se completa en minutos e incluye un paso de calentamiento en el que el contenedor ejecuta una predicción breve en cada GPU.

Entradas y salidas de la predicción

Una solicitud es un documento JSON con una o más consultas con nombre, y cada consulta enumera sus cadenas. Cada cadena tiene campos para molecule_type, chain_ids, sequence y smiles. Los tipos de moléculas incluyen protein, dna, rna y ligand. Los ligandos de pequeñas moléculas se proporcionan como cadenas SMILES.

La respuesta contiene un estado, una lista de estructuras predichas en formato mmCIF y sus confianzas correspondientes. De forma predeterminada, OpenFold3 genera cinco muestras de difusión por consulta, por lo que cada consulta devuelve cinco estructuras candidatas. Cada muestra viene con dos archivos de confianza: uno detallado y uno resumen. El resumen incluye un sample_ranking_score.

Las métricas de confianza incluyen pLDDT (confianza por átomo en una escala de 0–100), pTM e ipTM (confianza general en una escala de 0–1), y PAE y PDE (estimaciones de error por par de residuos).

Opciones de múltiples GPUs y AAM

Una única predicción de OpenFold3 se ejecuta en una GPU, por lo que una instancia de múltiples GPUs no hace que una predicción individual sea más rápida. En cambio, los usuarios pueden ejecutar varias predicciones a la vez. En una instancia ml.g6.12xlarge, que tiene cuatro GPUs, el contenedor asigna a cada solicitud concurrente su propia GPU.

OpenFold3 puede tomar un alineamiento múltiple de secuencias (AAM) como entrada adicional para cada cadena de proteína. El punto de conexión de JumpStart se ejecuta con aislamiento de red y no llama a servidores de AAM externos. En su lugar, acepta AAMs precalculados en la solicitud. Si no se proporciona un AAM, el punto de conexión predice solo a partir de la secuencia.

Por qué importa

• OpenFold3 es un modelo de predicción de estructuras biomoleculares de código abierto desarrollado por el OpenFold Consortium y el AlQuraishi Lab de la Universidad de Columbia.
• El modelo está disponible en Amazon SageMaker JumpStart bajo el ID de modelo huggingface-proteinfolding-openfold3.
• Predice las estructuras 3D de proteínas, ADN, ARN, ligandos de pequeñas moléculas y sus complejos.
• La implementación se ejecuta en SageMaker Asynchronous Inference con soporte para escalado a cero y predicciones paralelas de múltiples GPUs.

Fuentes (en inglés)

• aws.amazon.com: OpenFold3 on Amazon SageMaker JumpStart: Predict biomolecular structures | Artificial Intelligence

Traducción con IA del artículo original en inglés, revisada automáticamente para que diga lo mismo que el original. Las fuentes fueron verificadas en inglés.