Databricksre érkezik az NVIDIA RFD4-Proteina fehérjetervező modellje

Fehérjetervezés saját kutatási adatok mellett

Az RFD4-Proteina az NVIDIA BioNeMo nyílt modellje, amelyet az NVIDIA a Washingtoni Egyetem Institute for Protein Design intézetével közösen fejlesztett. A modell a hasznos fehérjék tervezését támogatja, és egyetlen folyamatban generálja a fehérje aminosavsorrendjét, valamint teljes atomos szerkezetét.

A modell opcionális, jutalomvezérelt keresést is kínál. Ez lehetővé teszi, hogy a kutatók olyan tulajdonságok felé irányítsák a jelölteket, mint a hőstabilitás vagy a kötődési affinitás. A Databricks szerint a tervezett integráció a Proteina-Complexa korábbi munkafolyamat-mintáira épít.

A Genesis Workbenchben két előre elkészített példa áll rendelkezésre az RFD4-Proteina használatához: az Antibody Design és a Vaccine Design. A blueprint bemutatja, hogyan kapcsolhatók össze a biológiai modellek a bemenetek előkészítésével, a jelöltek értékelésével és az eredmények utólagos elemzésével.

Kódolási segítség és szerver nélküli NVIDIA GPU-k

A fejlesztők a Databricks Genie Code segítségével természetes nyelven építhetik, hibakereshetik és alakíthatják át az adat- és gépi tanulási munkafolyamatokat. Az NVIDIA BioNeMo Agent Toolkit speciális utasításokat, szkripteket és referenciaanyagokat ad olyan feladatokhoz, mint a szerkezet-előrejelzés, a fehérjetervezés, a molekuláris dokkolás és a genomikai elemzés.

Ezek az eszközök segíthetnek a bemenetek előkészítésében, a támogatott modellek meghívásában, a kimenetek vizsgálatában és többlépcsős munkafolyamatok összeállításában. A Genesis Workbench Claude-alapú kódolóügynökökhöz is biztosít készségeket. Ezekkel a fejlesztők megérthetik a blueprint működését, új modellekhez, például az RFD4-Proteina modellhez készíthetnek integrációt, és saját felhasználási esetre szabhatják azt.

A Databricks AI Runtime szerver nélküli NVIDIA GPU-s számítási kapacitást kínál a támogatott munkaterhelésekhez. A fejlesztők egy notebookot Serverless GPU környezethez kapcsolhatnak, kiválaszthatják az NVIDIA H100 gyorsítót és a támogatott környezetet. A modellkönyvtárak és függőségek ellenőrzése továbbra is a csapat feladata.

Követhető modelléletciklus és irányítás

A Databricks a modell futtatását kutatási adatokkal, kísérletkövetéssel és vállalati irányítási eszközökkel kapcsolja össze. A modell súlyai irányított Unity Catalog-kötetekben tárolhatók, a kísérletek paraméterei, mérőszámai és artefaktumai pedig MLflow segítségével követhetők. A finomhangolt modellek verziói és konfigurációi szintén regisztrálhatók a Unity Catalogban.

A munkafolyamatok összehangolásához a Lakeflow, a kísérletek nyomon követéséhez az MLflow, a hozzáférés- és adatirányításhoz pedig a Unity Catalog kapcsolódik a rendszerhez. A kompatibilis modellek GPU-s Model Serving-végpontokra telepíthetők, vagy kötegelt futtatásban is végrehajthatók.

A támogatott egyedi modellvégpontoknál a scale-to-zero csökkentheti a tétlen időszakokban fenntartott kapacitást, ez azonban hidegindítási késedelmet okozhat, és a GPU-kapacitás újbóli felálláskor nem garantált. A Databricks ezért az állandó rendelkezésre állást vagy egyenletes válaszidőt igénylő munkaterheléseknél ennek kikapcsolását javasolja.

A bejelentés a kutatócsoportok számára olyan nyílt kiindulópontot mutat be, amelyben a fehérjetervezési modellek a saját kutatási adatokkal és korábbi kísérletekkel együtt használhatók. A fejlesztők újrahasznosíthatják az egyes komponenseket, a kutatók pedig az eredmények, konfigurációk és modellverziók megőrzésével összehasonlíthatják a kísérleteket.