Distribuisci RFD4-Proteina su Databricks

Porta RFD4-Proteina sui tuoi dati di ricerca con lo sviluppo assistito dall'AI e l'elaborazione GPU NVIDIA serverless.

• Inizia subito con il supporto dei modelli fin dal primo giorno tramite Genesis Workbench, un blueprint di esempio aperto per i workflow delle scienze della vita.
• Crea e adatta pipeline con Genie Code, skill di NVIDIA BioNeMo Agent Toolkit e l'assistenza di agenti di codifica.
• Usa la AI Runtime di Databricks generalmente disponibile per eseguire carichi di lavoro GPU supportati insieme a dati aziendali, tracciamento degli esperimenti e governance.

RFD4-Proteina, un modello aperto NVIDIA BioNeMo sviluppato in collaborazione con l'Institute for Protein Design dell'Università di Washington, aiuta gli scienziati a trasformare le idee per proteine utili in progetti da testare. NVIDIA e Databricks stanno integrando il modello in Genesis Workbench su AI Runtime, offrendo agli sviluppatori un percorso per connettere i workflow di progettazione delle proteine con i propri dati di ricerca.

Databricks AI Runtime (AIR) offre elaborazione GPU NVIDIA serverless per i carichi di lavoro supportati. L'integrazione prevista connette l'esecuzione del modello con i dati di ricerca e i workflow ripetibili su Databricks, riducendo l'overhead infrastrutturale necessario per valutare e adattare un nuovo modello.

Mettere all'opera un modello richiede molto di più del semplice download dei pesi. Gli sviluppatori devono preparare gli input, connettere strumenti scientifici, configurare l'esecuzione e tracciare i risultati, il tutto proteggendo i dati proprietari. Databricks unisce questi passaggi in un ambiente condiviso, riducendo la necessità di assemblare e mantenere uno stack di ricerca separato.

"La scoperta di farmaci è un problema di dati prima ancora che di calcolo. NVIDIA e l'Institute for Protein Design stanno spostando la frontiera di ciò che è possibile con modelli come RFD4-Proteina e, insieme, stiamo garantendo che i team delle scienze della vita possano eseguire tali modelli sui propri dati governati, collegati ai propri esperimenti, senza inviare IP sensibili all'esterno della propria organizzazione. La scienza appartiene a voi. E la piattaforma Databricks si assicura che tutto funzioni in un unico ambiente sicuro e governato."—Mike Sanky, VP, Healthcare and Life Sciences, Databricks

"La parte difficile della progettazione delle proteine non è generare i candidati, ma scegliere i pochi che vale la pena realizzare in laboratorio. RFD4-Proteina progetta contemporaneamente la sequenza di una proteina e la sua struttura atomica completa, e può essere indirizzato verso le proprietà richieste da un progetto, come la stabilità o la forza di legame. Eseguirlo su Databricks, accanto ai dati sperimentali del team, aiuta gli scienziati a scegliere i candidati in base a ciò che i loro stessi esperimenti hanno già mostrato.—Anthony Costa, Director of Digital Biology, NVIDIA

Porta i modelli sui tuoi dati

RFD4-Proteina si basa sull'approccio utilizzato in Proteina-Complexa, il modello generativo di NVIDIA per la progettazione di leganti proteici che genera simultaneamente sequenze di amminoacidi e strutture a tutti gli atomi in un unico passaggio. RFD4-Proteina estende questo approccio di generazione congiunta con una ricerca guidata da ricompensa opzionale, consentendo ai ricercatori di indirizzare la progettazione dei candidati verso proprietà come la termostabilità o l'affinità di legame.  L'integrazione prevista amplia i pattern di workflow Proteina-Complexa già esistenti in Genesis Workbench, utilizzando modelli di scoring con funzioni di ricompensa specifiche per il problema in esame. Genesis Workbench include due workflow integrati che utilizzano RFD4-Proteina a scopo di riferimento: Antibody Design e Vaccine Design.

In figura: Antibody Design in Genesis Workbench con NVIDIA RFD4-Proteina

Genesis Workbench offre un modo semplice per iniziare: il suo blueprint aperto e modulare illustra come connettere i modelli biologici con la preparazione degli input, la valutazione dei candidati e l'analisi downstream su Databricks. Gli sviluppatori possono riutilizzare i singoli componenti o adattare l'implementazione ai propri metodi scientifici. 

I team possono memorizzare i pesi dei modelli nei volumi di Unity Catalog come modelli MLflow governati e riutilizzarli tra i vari esperimenti. I team possono registrare i modelli sottoposti a fine-tuning in Unity Catalog tramite MLflow, collegando le versioni dei modelli con configurazioni e artefatti. I controlli di accesso e la configurazione di rete devono riflettere il luogo in cui vengono eseguiti il modello, gli strumenti di scoring e gli agenti di codifica.

L'uso di RFD4-Proteina tramite Genesis Workbench offre agli utenti Databricks la capacità più ampia di connettere la ricerca tra diverse discipline: l'analisi genomica può guidare un target, i dati single-cell possono fornire un contesto biologico e i workflow di progettazione proteica o per piccole molecole possono supportare le indagini successive. Genesis Workbench offre esempi di queste funzionalità all'interno di un ambiente condiviso. 

Sviluppa con skill di agenti scientifici

Databricks Genie Code aiuta gli sviluppatori a creare, eseguire il debug e adattare workflow di dati e ML utilizzando il linguaggio naturale. Le skill di NVIDIA BioNeMo Agent Toolkit aggiungono istruzioni specializzate, script e riferimenti per modelli biologici e strumenti scientifici, tra cui previsione della struttura, progettazione delle proteine, docking molecolare e analisi genomica. 

Queste skill possono aiutare un agente di codifica a preparare gli input, richiamare gli strumenti supportati, ispezionare gli output e assemblare workflow multi-step. Gli sviluppatori possono combinare queste indicazioni con le proprie convenzioni sui dati, i criteri di valutazione e i requisiti di tracciamento degli esperimenti.

Genesis Workbench fornisce anche skill per agenti di codifica basati su Claude, offrendo un altro punto d'ingresso: aiutare gli sviluppatori a comprendere il blueprint, creare strutture per integrazioni di nuovi modelli come RFD4-Proteina e adattare tali integrazioni a un caso d'uso specifico. Ciò può accelerare la prima implementazione; i controlli sulle dipendenze, i test e la revisione scientifica rimangono parte del processo.

Un ricercatore nel campo delle scienze della vita potrebbe sfruttare workflow predefiniti con RFD4-Proteina direttamente da Genesis Workbench o utilizzare Genie Code per creare un Databricks Notebook per un esperimento ad hoc con un semplice prompt in inglese come:

“Progettare un nanocorpo (VHH) contro il PD-L1 utilizzando il condizionamento del framework RFD4-Proteina: mantenere fisso un framework umanizzato reale (h-NbBCII10) e progettare solo i loop CDR sull’epitopo che blocca il PD-1. Eseguire 8 iterazioni × 8 campioni con ProteinMPNN sui CDR e co-folding di Boltz per il legame; ponderare la ricompensa in base al legame (ipTM), alla confidenza di ripiegamento (pLDDT), alla sviluppabilità (solubilità, termostabilità) e al basso rischio di anticorpi anti-farmaco (MHC-II). Restituire i progetti migliori con la traiettoria della ricompensa e i primi K PDB dei complessi."

Genie Code assiste nell'implementazione, mentre sviluppatori e ricercatori mantengono il controllo revisionando il codice, selezionando gli strumenti appropriati e interpretando i risultati.

Esegui su GPU NVIDIA gestite

AIR semplifica l'accesso all'accelerazione NVIDIA senza richiedere ai team di effettuare il provisioning e la manutenzione di cluster GPU separati. Gli sviluppatori possono connettere un notebook all'elaborazione Serverless GPU, selezionare un acceleratore NVIDIA H100 e un ambiente supportato ed eseguire il proprio carico di lavoro. La configurazione documentata include la selezione dell'acceleratore e dell'ambiente di base prima di applicare la configurazione. 

Questo riduce il lavoro di configurazione dell'infrastruttura GPU e di manutenzione di un ambiente software di base, anche se i team devono comunque convalidare le librerie e le dipendenze specifiche del modello.

Per i modelli fondativi biologici supportati, i team possono anche adattare le BioNeMo Recipes per l'addestramento o il fine-tuning su dati proprietari utilizzando le GPU serverless di AIR. Le BioNeMo Recipes forniscono implementazioni di riferimento per l'addestramento accelerato con framework noti come PyTorch e Hugging Face. 

L'orchestrazione di Lakeflow, il tracciamento degli esperimenti di MLflow e la governance di Unity Catalog collegano l'esecuzione a workflow ripetibili e controlli aziendali. Gli scienziati possono concentrarsi maggiormente sulla biologia, mentre gli sviluppatori e i team della piattaforma dedicano meno tempo alla gestione dell'infrastruttura. 

Dalla sperimentazione al deployment

Un esempio pratico di ciclo di vita del modello su Databricks può includere:

1. Memorizzare i pesi del modello in un volume governato di Unity Catalog per il riutilizzo.
2. Generare molecole candidate su AIR, oppure addestrare ed eseguire il fine-tuning laddove il modello e la recipe lo supportino.
3. Traccia parametri, metriche e artefatti con MLflow e registra i modelli distribuibili in Unity Catalog.
4. Distribuisci modelli compatibili su endpoint GPU Model Serving o orchestra l'esecuzione batch quando si adatta meglio al carico di lavoro.
5. Collega gli output ai flussi di lavoro di ricerca tramite esempi di Genesis Workbench o le tue pipeline.

Per gli endpoint di modelli personalizzati supportati, lo scale-to-zero può ridurre la capacità allocata durante l'inattività. Gli avvii a freddo aggiungono latenza e la capacità GPU non è garantita quando un endpoint si riattiva. Databricks consiglia di disabilitare lo scale-to-zero per i carichi di lavoro che richiedono disponibilità o tempi di risposta costanti.

I team possono scegliere il modello di esecuzione più adatto all'attività di ricerca, bilanciando i requisiti di tempo di esecuzione, costo e disponibilità.

In tutto il flusso di lavoro, i team possono conservare la configurazione, la versione del modello, i risultati di valutazione e gli artefatti necessari per confrontare gli esperimenti. La valutazione computazionale supporta la definizione delle priorità dei candidati; la validazione di laboratorio rimane essenziale.

Per iniziare

Esplora il repository di Genesis Workbench e inizia con un target, un obiettivo di progettazione definito e un piccolo esperimento. Usa l'implementazione di esempio e le competenze agente disponibili per adattare il flusso di lavoro, quindi eseguilo e traccialo su AIR prima di espanderlo.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale