OpenFold3 désormais disponible sur Amazon SageMaker JumpStart pour la prédiction de structures biomoléculaires

OpenFold3-preview est désormais disponible sur Amazon SageMaker JumpStart, permettant aux utilisateurs de déployer le modèle dans leurs propres comptes AWS et de prédire les structures 3D de protéines, d'ADN, d'ARN, de ligands de petite taille et des complexes qu'ils forment. Le modèle a été développé par l'OpenFold Consortium et l'AlQuraishi Lab de l'Université Columbia.

Détails et disponibilité du modèle

OpenFold3 est un modèle de prédiction de structure tous atomes qui prédit la structure 3D conjointe d'un ensemble de molécules à partir de leurs séquences. Il peut plier des complexes protéiques multi-chaînes, des assemblages protéine-acide nucléique et des complexes protéine-ligand en une seule prédiction. Les développeurs publient son code et ses poids de modèle sous licence Apache 2.0 et publient les données et méthodes d'entraînement. Les développeurs décrivent OpenFold3-preview comme une prévisualisation de recherche.

L'ID du modèle JumpStart est huggingface-proteinfolding-openfold3. Les instances prises en charge sont ml.g6.2xlarge, ml.g6.4xlarge (par défaut) et ml.g6.12xlarge. La version du modèle est OpenFold3 0.4.1, checkpoint of3-p2-155k.

Fonctionnement du déploiement

OpenFold3 sur JumpStart fonctionne sur SageMaker Asynchronous Inference. Les utilisateurs téléchargent une requête sur Amazon S3 et appellent InvokeEndpointAsync, qui retourne immédiatement. Le point de terminaison met la requête en file d'attente et la traite, avec un délai d'attente d'invocation allant jusqu'à 1 heure. Les résultats ou les détails d'erreur sont écrits dans un emplacement S3 choisi par l'utilisateur.

Les points de terminaison asynchrones mettent en file d'attente les rafales de requêtes en interne et peuvent passer à zéro instance lorsque la file d'attente est vide, aidant les utilisateurs à éviter de payer pour des instances inactives entre les expériences. Les points de terminaison SageMaker sont facturés par heure-instance pendant leur fonctionnement, y compris lorsqu'ils sont inactifs.

Le déploiement se termine généralement en quelques minutes et inclut une étape de réchauffement au cours de laquelle le conteneur exécute une courte prédiction sur chaque GPU.

Entrées et sorties de prédiction

Une requête est un document JSON avec une ou plusieurs requêtes nommées, et chaque requête liste ses chaînes. Chaque chaîne possède des champs pour molecule_type, chain_ids, sequence et smiles. Les types de molécules incluent protein, dna, rna et ligand. Les ligands de petite taille sont fournis sous forme de chaînes SMILES.

La réponse contient un statut, une liste de structures prédites au format mmCIF et leurs confiances correspondantes. Par défaut, OpenFold3 génère cinq échantillons de diffusion par requête, donc chaque requête retourne cinq structures candidates. Chaque échantillon est accompagné de deux fichiers de confiance : un détaillé et un résumé. Le résumé inclut un sample_ranking_score.

Les métriques de confiance incluent pLDDT (confiance par atome sur une échelle de 0 à 100), pTM et ipTM (confiance globale sur une échelle de 0 à 1), et PAE et PDE (estimations d'erreur par paire de résidus).

Options multi-GPU et MSA

Une seule prédiction OpenFold3 s'exécute sur un seul GPU, donc une instance multi-GPU ne rend pas une prédiction individuelle plus rapide. Au lieu de cela, les utilisateurs peuvent exécuter plusieurs prédictions simultanément. Sur une instance ml.g6.12xlarge, qui possède quatre GPU, le conteneur assigne à chaque requête concurrente son propre GPU.

OpenFold3 peut prendre un alignement multiple de séquences (MSA) comme entrée supplémentaire pour chaque chaîne protéique. Le point de terminaison JumpStart fonctionne avec isolation réseau et n'appelle pas de serveurs MSA externes. Au lieu de cela, il accepte des MSA pré-calculés dans la requête. Si aucun MSA n'est fourni, le point de terminaison prédit à partir de la séquence seule.

Pourquoi c'est important

• OpenFold3 est un modèle open source de prédiction de structures biomoléculaires développé par l'OpenFold Consortium et l'AlQuraishi Lab de l'Université Columbia.
• Le modèle est disponible sur Amazon SageMaker JumpStart sous l'ID de modèle huggingface-proteinfolding-openfold3.
• Il prédit les structures 3D de protéines, d'ADN, d'ARN, de ligands de petite taille et de leurs complexes.
• Le déploiement fonctionne sur SageMaker Asynchronous Inference avec prise en charge du scale-to-zero et des prédictions parallèles multi-GPU.

Sources (en anglais)

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

Traduction réalisée par IA de l’article original en anglais, vérifiée automatiquement pour dire la même chose que l’original. Les sources ont été vérifiées en anglais.