OpenFold3 프리뷰, 세이지메이커에 추가
최근 30일 조회수 — 좋아요 —핵심 요약
AWS가 생체분자 구조 예측 모델 OpenFold3 프리뷰를 세이지메이커 점프스타트에서 제공한다.
오픈소스 생체분자 구조 예측 모델 OpenFold3 프리뷰가 아마존 세이지메이커 점프스타트(Amazon SageMaker JumpStart)에 추가됐다. 사용자는 몇 줄의 코드로 모델을 자신의 AWS 계정에 배포해 단백질·DNA·RNA·저분자 리간드와 이들이 이루는 복합체의 3차원 구조를 예측할 수 있다. AWS는 네트워크가 격리된 엔드포인트에서 서열을 처리해 데이터가 AWS 계정 안에 머물도록 구성할 수 있다고 밝혔다.1
OpenFold3는 오픈폴드 컨소시엄(OpenFold Consortium)과 컬럼비아대 알쿠라이시 연구실(AlQuraishi Lab)이 개발한 전원자 구조 예측 모델이다. 단일 단백질 사슬뿐 아니라 여러 사슬로 이뤄진 단백질 복합체, 단백질과 핵산의 결합체, 단백질과 리간드의 복합체를 한 번에 예측한다. 단백질·DNA·RNA는 서열로, 저분자 리간드는 SMILES 문자열로 입력받으며, 결과는 mmCIF 형식의 구조와 pLDDT·PAE·PDE 신뢰도 지표로 반환한다.1
점프스타트에 등록된 버전은 OpenFold3 0.4.1이며 of3-p2-155k 체크포인트를 쓴다. 모델 ID는 huggingface-proteinfolding-openfold3이고, 지원 인스턴스는 ml.g6.2xlarge, 기본값인 ml.g6.4xlarge, ml.g6.12xlarge다. 코드와 모델 가중치, 학습 데이터와 방법이 공개됐으며 라이선스는 Apache 2.0이다. 이에 따라 연구기관과 제약회사는 라이선스 조건 안에서 모델을 검토하거나 미세조정하고 기반 기술을 개발할 수 있다.1
이번 제공 방식의 핵심은 구조 예측에 맞춘 비동기 추론이다. 일반적인 실시간 엔드포인트는 요청당 응답 시간이 60초로 제한되지만, 분자 접힘 예측은 분 단위로 걸릴 수 있다. 세이지메이커 AI의 관리형 엔드포인트는 요청 대기열과 GPU 준비 과정을 처리하며 자동 확장도 지원한다. 여러 GPU에서 예측을 병렬 실행하고, 유휴 상태에서는 엔드포인트를 0개까지 축소해 비용을 줄일 수도 있다.1
사용자가 직접 다중서열정렬(MSA)을 제공하면 서열의 외부 노출을 줄이면서 예측 정확도를 높이는 데 활용할 수 있다. 다만 개발진은 현재 OpenFold3 프리뷰를 연구용 미리보기로 규정한다. 표적 탐색, 항체·단백질 공학, 가상 스크리닝 등에 쓸 수 있는 배포 장벽은 낮아졌지만, 정식 제품 수준의 모델로 간주해서는 안 된다는 뜻이다.1
Footnotes
읽기 목록은 이 브라우저에 저장됩니다.
출처
- OpenFold3 on Amazon SageMaker JumpStart: Predict biomolecular structures | Amazon Web Services — AWS Machine Learning Blog
이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.