跳到正文
AWS Machine Learning Blog(aws.amazon.com)· Malav Shastri·· 9 天前精選品質評分60

OpenFold3 如何在 Amazon SageMaker JumpStart 預測生物分子結構

OpenFold3 on Amazon SageMaker JumpStart: Predict biomolecular structures

重點導讀

預測蛋白質和其他生物分子的立體結構,需要 GPU、模型檔案和能處理長時間工作的服務環境。

  • 這篇教學示範如何在 Amazon SageMaker JumpStart 部署 OpenFold3-preview,讓它預測蛋白質、DNA、RNA、小分子及其複合物的結構。
  • 工作會排進佇列,完成後把結果存到 Amazon S3,也能同時跑多筆預測。作者用碳酸酐酶、鋅離子和藥物的例子說明,加入多重序列比對(MSA)後,預測結果更接近已知結構。
  • 不過這是展示流程的案例,不代表模型對新目標也有同樣表現。端點可在閒置時縮到零臺,含有自有序列的資料也可留在自己的 AWS 帳戶內。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

文章示範如何在自己的 AWS 帳戶部署 OpenFold3,並用碳酸酐酶複合物案例比較有無 MSA 的預測差異,也提醒這不是新目標的準確度基準。

信源出處aws.amazon.com

OpenFold3 on Amazon SageMaker JumpStart: Predict biomolecular structures

本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。

開啟原文
來源: AWS Machine Learning Blog (aws.amazon.com)
開啟原文

讀者討論

理性交流 · 即時討論