Bemutatta új fehérjetervező AI-modelljét az NVIDIA, 3,8-szor gyorsabb lett

Az NVIDIA bemutatta az RFD4-Proteina nevű új AI-modelljét, amely a fehérjeszekvenciák és a teljes atomi struktúrák tervezését célozza. A modell a Washingtoni Egyetem Orvosi Karán működő Institute for Protein Design-nal közösen jött létre, és a természet mintázatait használja a keresés optimalizálására. (Nvidia Developer)

Az RFD4-Proteina a korábbi megközelítésekkel ellentétben nem igényel külön lépést az inverz-foldinghez, mivel a háttérkoordinátákat és a latens reprezentációt egyszerre kezeli. Ezáltal a mintavételi lépések számát mintegy 400-ról 60-ra csökkenti, ami 3,8-szor gyorsabb generálást és 84%-kal kevesebb csúcsteljesítményű memóriahasználatot eredményez a 200 aminosav hosszúságú fehérjék esetében az RFD3-hoz képest.

A modell és egy hozzá kapcsolódó NIM mikroszerviz egyaránt elérhető nyílt forráskódú GitHub repozitóriumként és HTTP-alapú szolgáltatásként. Ezek lehetővé teszik annotált CIF fájlok vagy feltétel-specifikációk elfogadását olyan feladatokhoz, mint a PD-L1 kötőanyag tervezése, ahol a cél a rákos megbetegedések elleni terápia fejlesztése.

Az RFD4-Proteina a keresési folyamat során a legígéretesebb jelöltekre összpontosít, jutalmazásvezérelt keresést alkalmazva. Ez a megközelítés a geometriai, interakciós és konfidencia-metrikák alapján pontozza és finomítja a terveket, kihasználva a CUDA-gyorsított orákulumokat, mint az OpenFold3 és a TMol. Az NVIDIA Nemotron által támogatott rendszer az iterative design campaign-ekhez koordinálja a generálást, keresést, értékelést és eredmények archiválását.

A kutatók az RFD4-Proteina segítségével a PD-L1 onkológiai célpont ellen tervezhetnek kötőanyag jelölteket. A modell használatához a GitHub repozitórium klónozása és a mellékelt példák futtatása javasolt, amelyek felkészítik a környezetet és a specifikációkat a tervezési folyamathoz. A modell a tervek szerint a BioNeMo Agent Toolkit készségeivel is integrálható az automatizált kampányokhoz.