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