RFD4-Proteina auf Databricks bereitstellen

Bringen Sie RFD4-Proteina mit KI-gestützter Entwicklung und serverloser NVIDIA-GPU-Rechenleistung zu Ihren Forschungsdaten.

• Starten Sie direkt am ersten Tag mit Modellunterstützung über Genesis Workbench, einer offenen Beispiel-Vorlage für Life-Sciences-Workflows.
• Erstellen und passen Sie Pipelines mit Genie Code, NVIDIA BioNeMo Agent Toolkit Skills und der Unterstützung von Coding-Agenten an.
• Nutzen Sie die allgemein verfügbare AI Runtime von Databricks, um unterstützte GPU-Workloads zusammen mit Unternehmensdaten, Experiment-Tracking und Governance auszuführen.

RFD4-Proteina, ein offenes Modell von NVIDIA BioNeMo, das gemeinsam mit dem Institute for Protein Design der University of Washington entwickelt wurde, hilft Wissenschaftlern dabei, Ideen für nützliche Proteine in testbare Designs umzusetzen. NVIDIA und Databricks bringen das Modell in die Genesis Workbench auf der AI Runtime und bieten Entwicklern so eine Möglichkeit, Protein-Design-Workflows mit ihren Forschungsdaten zu verknüpfen.

Databricks AI Runtime (AIR) bietet serverlose NVIDIA-GPU-Rechenleistung für unterstützte Workloads. Die geplante Integration verbindet die Modellausführung mit Forschungsdaten und wiederholbaren Workflows auf Databricks und reduziert so den Infrastrukturaufwand, der für die Evaluierung und Anpassung eines neuen Modells erforderlich ist.

Ein Modell einsatzbereit zu machen, erfordert mehr als nur das Herunterladen von Gewichten. Entwickler müssen Eingaben vorbereiten, wissenschaftliche Tools anbinden, die Ausführung konfigurieren und Ergebnisse nachverfolgen – und das alles unter dem Schutz vertraulicher Daten. Databricks führt diese Schritte in einer gemeinsamen Umgebung zusammen und reduziert so die Notwendigkeit, einen separaten Forschungs-Stack aufzubauen und zu warten.

"Wirkstoffforschung ist ein Datenproblem, bevor es ein Rechenproblem ist. NVIDIA und das Institute for Protein Design verschieben die Grenzen des Möglichen mit Modellen wie RFD4-Proteina, und gemeinsam stellen wir sicher, dass Life-Sciences-Teams diese Modelle auf ihren eigenen verwalteten Daten ausführen können, verbunden mit ihren eigenen Experimenten und ohne sensibles geistiges Eigentum nach außen zu geben. Die Wissenschaft gehört Ihnen. Und die Databricks Platform sorgt dafür, dass alles in einer sicheren, verwalteten Umgebung läuft."—Mike Sanky, VP, Healthcare and Life Sciences, Databricks

"Der schwierige Teil des Proteindesigns ist nicht das Generieren von Kandidaten. Es geht darum, die wenigen auszuwählen, die es wert sind, im Labor hergestellt zu werden. RFD4-Proteina entwirft die Sequenz eines Proteins und seine vollständige atomare Struktur zusammen und kann auf die von einem Projekt benötigten Eigenschaften wie Stabilität oder Bindungsstärke ausgerichtet werden. Die Ausführung auf Databricks, direkt neben den eigenen Experimentaldaten eines Teams, hilft Wissenschaftlern dabei, diese Kandidaten auf der Grundlage dessen auszuwählen, was ihre eigenen Experimente bereits gezeigt haben.—Anthony Costa, Director of Digital Biology, NVIDIA

Bringen Sie Modelle zu Ihren Daten

RFD4-Proteina baut auf dem Ansatz von Proteina-Complexa auf, dem generativen Modell von NVIDIA für das Design von Proteinbindern, das Aminosäuresequenzen und Ganzatomstrukturen in einem einzigen Durchgang gemeinsam generiert. RFD4-Proteina erweitert diesen gemeinsamen Generierungsansatz um eine optionale belohnungsgesteuerte Suche, mit der Forscher das Kandidatendesign auf Eigenschaften wie Thermostabilität oder Bindungsaffinität ausrichten können.  Die geplante Integration baut auf den bestehenden Proteina-Complexa-Workflow-Mustern der Genesis Workbench auf und nutzt Scoring-Modelle mit Belohnungsfunktionen, die für das jeweilige Problem spezifisch sind. Genesis Workbench enthält als Referenz zwei integrierte Workflows mit RFD4-Proteina: Antikörper-Design und Impfstoff-Design.

Abgebildet: Antikörper-Design in Genesis Workbench mit NVIDIA RFD4-Proteina

Genesis Workbench bietet einen einfachen Einstieg: Die offene, modulare Vorlage veranschaulicht, wie biologische Modelle mit Eingabevorbereitung, Kandidatenevaluierung und nachgelagerter Analyse auf Databricks verknüpft werden. Entwickler können einzelne Komponenten wiederverwenden oder die Implementierung an ihre eigenen wissenschaftlichen Methoden anpassen. 

Teams können Modellgewichte in Unity Catalog-Volumes als verwaltete MLflow-Modelle speichern und experimentübergreifend wiederverwenden. Teams können feingetunte Modelle in Unity Catalog über MLflow registrieren und so Modellversionen mit Konfigurationen und Artefakten verknüpfen. Zugriffskontrollen und Netzwerkkonfiguration sollten widerspiegeln, wo das Modell, die Scoring-Tools und die Coding-Agenten ausgeführt werden.

Die Nutzung von RFD4-Proteina über Genesis Workbench bietet Databricks-Nutzern die erweiterte Möglichkeit, Forschung über Disziplinen hinweg zu verbinden: Genomanalysen können ein Zielmolekül identifizieren, Einzelzell-Daten biologischen Kontext liefern und Workflows für Proteindesign oder kleine Moleküle nachfolgende Untersuchungen unterstützen. Genesis Workbench bietet Beispiele für diese Funktionen in einer gemeinsamen Umgebung. 

Entwickeln mit wissenschaftlichen Agent-Skills

Databricks Genie Code hilft Entwicklern beim Erstellen, Debuggen und Anpassen von Daten- und ML-Workflows in natürlicher Sprache. Die Skills des NVIDIA BioNeMo Agent Toolkits ergänzen spezialisierte Anweisungen, Skripte und Referenzen für biologische Modelle und wissenschaftliche Tools, darunter Strukturvorhersage, Proteindesign, molekulares Docking und Genomanalyse. 

Diese Skills können einem Coding-Agenten dabei helfen, Eingaben vorzubereiten, unterstützte Tools aufzurufen, Ausgaben zu überprüfen und mehrstufige Workflows zusammenzustellen. Entwickler können diese Anleitung mit ihren eigenen Datenkonventionen, Evaluierungskriterien und Anforderungen an das Experiment-Tracking kombinieren.

Genesis Workbench bietet auch Skills für Claude-basierte Coding-Agenten und eröffnet damit einen weiteren Einstiegspunkt: Sie hilft Entwicklern, die Vorlage zu verstehen, Integrationen für neue Modelle wie RFD4-Proteina zu erstellen und diese Integrationen an einen spezifischen Anwendungsfall anzupassen. Dies kann die erste Implementierung beschleunigen; Abhängigkeitsprüfungen, Tests und wissenschaftliche Prüfungen bleiben weiterhin Teil des Prozesses.

Ein Forscher im Bereich Life Sciences könnte vorgefertigte RFD4-Proteina-Workflows direkt aus Genesis Workbench nutzen oder Genie Code verwenden, um ein Databricks Notebook für ein Ad-hoc-Experiment mit einem einfachen englischen Prompt zu erstellen, wie zum Beispiel:

„Entwirf einen Nanobody (VHH) gegen PD-L1 unter Verwendung der Konditionierung des RFD4-Proteina-Frameworks: Halte ein reales humanisiertes Gerüst (h-NbBCII10) fixiert und entwirf nur die CDR-Schleifen auf dem PD-1-blockierenden Epitop. Führe 8 Iterationen × 8 Proben mit ProteinMPNN auf den CDRs und Boltz-Co-Folding für die Bindung aus; gewichte die Belohnung in Richtung Bindung (ipTM), Faltungskonfidenz (pLDDT), Entwickelbarkeit (Löslichkeit, Thermostabilität) und geringem Risiko für Anti-Drug-Antikörper (MHC-II). Gib die besten Designs mit dem Belohnungsverlauf und den Top-K-Komplex-PDBs zurück.“

Genie Code unterstützt bei der Implementierung, während Entwickler und Forscher die Kontrolle behalten, indem sie den Code überprüfen, geeignete Tools auswählen und Ergebnisse interpretieren.

Auf verwalteten NVIDIA-GPUs ausführen

AIR vereinfacht den Zugriff auf NVIDIA-Beschleunigung, ohne dass Teams separate GPU-Cluster bereitstellen und warten müssen. Entwickler können ein Notebook mit serverloser GPU-Rechenleistung verbinden, einen NVIDIA H100-Beschleuniger sowie eine unterstützte Umgebung auswählen und ihren Workload ausführen. Die dokumentierte Einrichtung umfasst das Auswählen des Beschleunigers und der Basisumgebung vor dem Anwenden der Konfiguration. 

Dies reduziert den Aufwand für die Konfiguration der GPU-Infrastruktur und die Wartung einer Software-Basisumgebung, obwohl Teams weiterhin modellspezifische Bibliotheken und Abhängigkeiten validieren müssen.

Für unterstützte biologische Foundation-Modelle können Teams auch BioNeMo Recipes anpassen, um auf proprietären Daten unter Verwendung der serverlosen GPUs von AIR zu trainieren oder ein Feintuning durchzuführen. BioNeMo Recipes bieten Referenzimplementierungen für beschleunigtes Training mit vertrauten Frameworks wie PyTorch und Hugging Face. 

Lakeflow-Orchestrierung, MLflow Experiment-Tracking und Unity Catalog Governance verbinden die Ausführung mit wiederholbaren Workflows und Unternehmenskontrollen. Wissenschaftler können sich mehr auf die Biologie konzentrieren, während Entwickler und Plattform-Teams weniger Zeit mit der Verwaltung der Infrastruktur verbringen. 

Vom Experimentieren zur Bereitstellung

Ein Beispiel für einen praktischen Modell-Lebenszyklus auf Databricks kann Folgendes umfassen:

1. Modellgewichte in einem verwalteten Unity Catalog-Volume zur Wiederverwendung speichern.
2. Kandidatenmoleküle auf AIR generieren oder trainieren und feintunen, wo das Modell und das Recipe dies unterstützen.
3. Parameter, Metriken und Artefakte mit MLflow nachverfolgen und bereitstellbare Modelle in Unity Catalog registrieren.
4. Kompatible Modelle auf GPU Model Serving-Endpunkten bereitstellen oder die Batch-Ausführung orchestrieren, wenn dies besser zum Workload passt.
5. Ergebnisse über Genesis Workbench-Beispiele oder eigene Pipelines mit Forschungs-Workflows verbinden.

Für unterstützte Endpunkte für benutzerdefinierte Modelle kann Scale-to-Zero die bereitgestellte Kapazität bei Inaktivität reduzieren. Kaltstarts erhöhen die Latenz, und die GPU-Kapazität ist nicht garantiert, wenn ein Endpunkt wieder hochskaliert. Databricks empfiehlt, Scale-to-Zero für Workloads zu deaktivieren, die eine konsistente Verfügbarkeit oder Antwortzeiten erfordern.

Teams können das Ausführungsmuster wählen, das zur Forschungsaufgabe passt, und dabei Laufzeit-, Kosten- und Verfügbarkeitsanforderungen gegeneinander abwägen.

Über den gesamten Workflow hinweg können Teams die Konfiguration, Modellversion, Evaluierungsergebnisse und Artefakte behalten, die für den Vergleich von Experimenten erforderlich sind. Die rechnergestützte Evaluierung unterstützt die Priorisierung von Kandidaten; die Laborvalidierung bleibt weiterhin essenziell.

Erste Schritte

Erkunden Sie das Genesis Workbench-Repository und beginnen Sie mit einem Ziel, einem definierten Entwurfsziel und einem kleinen Experiment. Nutzen Sie die Beispielimplementierung und die verfügbaren Agent Skills, um den Workflow anzupassen, und führen Sie ihn anschließend auf AIR aus und verfolgen ihn nach, bevor Sie ihn erweitern.

(Dieser Blogbeitrag wurde mit KI-gestützten Tools übersetzt.) Originalbeitrag