Databricks上にRFD4-Proteinaをデプロイ

AIを活用した開発とサーバーレスなNVIDIA GPUコンピュートにより、研究データにRFD4-Proteinaを活用しましょう。

• ライフサイエンスワークフロー向けのオープンな例示ブループリントであるGenesis Workbenchを通じて、初日からモデルの利用を開始できます。
• Genie Code、NVIDIA BioNeMo Agent Toolkit skills、およびコーディングエージェントの支援を活用して、パイプラインの構築と適応を行えます。
• Databricksの一般提供されているAI Runtimeを使用することで、エンタープライズデータ、実験追跡、ガバナンスとともにサポート対象のGPUワークロードを実行できます。

ワシントン大学タンパク質設計研究所と共同開発されたNVIDIAのBioNeMoオープンモデルであるRFD4-Proteinaは、研究者が有用なタンパク質のアイデアを検証可能な設計に変換するのを支援します。NVIDIAとDatabricksは、このモデルをAI Runtime上のGenesis Workbenchに導入し、開発者がタンパク質設計ワークフローを研究データと連携させる手段を提供します。

Databricks AI Runtime (AIR)は、サポートされているワークロード向けにサーバーレスのNVIDIA GPUコンピュートを提供します。計画されている統合により、Databricks上でモデルの実行が研究データや再現可能なワークフローと連携し、新しいモデルの評価や調整に必要なインフラストラクチャのオーバーヘッドが削減されます。

モデルを実際に実用化するには、重みをダウンロードするだけでは不十分です。開発者は、独自のデータを保護しながら、入力の準備、科学的ツールの接続、実行の設定、結果の追跡を行う必要があります。Databricksはこれらのステップを共有環境に統合し、個別の研究スタックの構築と維持の必要性を軽減します。

"創薬は、計算の問題である前にデータの問題です。NVIDIAとタンパク質設計研究所はRFD4-Proteinaのようなモデルで可能性の限界を押し広げており、私たちは共に、ライフサイエンスチームが機密IPを外部に持ち出すことなく、ガバナンスの効いた自社データ上で独自の実験と連携してこれらのモデルを実行できるように取り組んでいます。科学の所有者は皆さまです。そしてDatabricks Platformは、そのすべてが1つの安全で管理された環境で動作することを保証します。"—Mike Sanky、Databricks ヘルスケア・ライフサイエンス部門 VP

"タンパク質設計で難しいのは、候補を生成することではなく、ラボで実際に作成する価値のある少数の候補を選ぶことです。RFD4-Proteinaはタンパク質のアミノ酸配列と全原子構造を同時に設計し、安定性や結合力など、プロジェクトが必要とする特性に向けて制御できます。チーム独自の実験データのすぐ隣のDatabricks上でこれを実行することで、科学者はこれまでの実験結果に基づいて候補を選択できます。"—Anthony Costa、NVIDIA デジタルバイオロジー担当ディレクター

データを中心にモデルを活用する

RFD4-Proteinaは、アミノ酸配列と全原子構造を1回のパスで同時生成するタンパク質バインダー設計向けNVIDIA生成モデルであるProteina-Complexaで採用された手法をベースにしています。RFD4-Proteinaは、その共同生成アプローチをオプションの報酬誘導検索（reward-guided search）で拡張し、研究者が熱安定性や結合親和性などの目的の特性に向けて候補設計を導くことができるようにします。計画されている統合により、Genesis Workbenchの既存のProteina-Complexaワークフローパターンが拡張され、直面している課題に特化した報酬関数を備えたスコアリングモデルが利用可能になります。Genesis Workbenchには、参考としてRFD4-Proteinaを使用した2つの組み込みワークフロー（抗体設計（Antibody Design）とワクチン設計（Vaccine Design））が用意されています。

写真：NVIDIA RFD4-Proteinaを使用したGenesis Workbenchでの抗体設計

Genesis Workbenchは簡単に使い始めることができます。そのオープンでモジュール式のブループリントは、Databricks上で生物学的モデルを入力準備、候補の評価、および下流（ダウンストリーム）解析と接続する方法を示しています。開発者は個々のコンポーネントを再利用したり、実装を独自の科学的手法に適応させたりできます。

チームはガバナンスが確保されたMLflowモデルとしてUnity Catalogのボリュームにモデルの重みを保存し、実験間で再利用できます。また、MLflowを介してUnity Catalogにファインチューニングされたモデルを登録し、モデルバージョンを構成やアーティファクトと関連付けることができます。アクセス制御やネットワーク設定は、モデル、スコアリングツール、コーディングエージェントが実行される場所を反映させる必要があります。

Genesis Workbenchを介してRFD4-Proteinaを使用することで、Databricksユーザーは異なる分野間の研究を紐付ける、より広範な機能を得ることができます。ゲノミクス解析によるターゲットの特定、シングルセルデータによる生物学的コンテキストの提供、タンパク質設計や低分子ワークフローによるその後の調査のサポートなどが可能です。Genesis Workbenchは、共通環境内でこれらの機能の例を提供します。

科学的エージェントスキルで構築する

Databricks Genie Codeは、開発者が自然言語を使用してデータやMLのワークフローを構築、デバッグ、調整するのを支援します。NVIDIA BioNeMo Agent Toolkitのスキルは、構造予測、タンパク質設計、分子ドッキング、ゲノミクス解析など、生物学的モデルや科学的ツールに対する専門的な指示、スクリプト、参照情報を追加します。

これらのスキルは、コーディングエージェントが入力の準備、サポートされているツールの呼び出し、出力の検証、マルチステップワークフローの構築を行うのを助けます。開発者はこのガイドラインを、独自のデータルール、評価基準、実験追跡要件と組み合わせることができます。

Genesis WorkbenchはClaudeベースのコーディングエージェント向けのスキルも提供しており、開発者がブループリントを理解し、RFD4-Proteinaのような新しいモデルの統合をスキャフォールディング（骨組み作成）し、その統合を特定のユースケースに合わせてカスタマイズするのを支援する新たな手段となります。これにより初期実装を迅速化できますが、依存関係のチェック、テスト、科学的レビューは引き続きプロセスの重要な一部となります。

ライフサイエンスの研究者は、Genesis Workbenchからビルド済みのRFD4-Proteinaワークフローを直接活用するか、あるいはGenie Codeを使用して次のような簡単な英語のプロンプトを入力し、アドホックな実験用のDatabricks Notebookを作成できます。

「RFD4-Proteinaフレームワークの条件付けを用いて、PD-L1に対するナノボディ（VHH）を設計する。実際のヒューマナイズドフレームワーク（h-NbBCII10）を固定し、PD-1阻害エピトープに対するCDRループのみを設計する。CDRに対してProteinMPNNを8反復×8サンプル実行し、結合評価にはBoltz共折り畳み法を用いる。報酬関数には、結合能（ipTM）、折り畳み信頼度（pLDDT）、開発性（溶解性、熱安定性）、および抗薬物抗体リスクの低さ（MHC-II）を重み付けする。報酬の推移と上位K個の複合体PDBデータと共に、最良の設計案を返す。」

Genie Codeが実装を支援する一方、開発者や研究者はコードのレビュー、適切なツールの選択、結果の解釈を通じてコントロールを維持します。

マネージドNVIDIA GPUでの実行

AIRにより、チームが個別のGPUクラスターをプロビジョニングして維持管理する必要なく、NVIDIAアクセラレーションへのアクセスがシンプルになります。開発者はノートブックをサーバーレスGPUコンピュートに接続し、NVIDIA H100アクセラレータと対応する環境を選択して、ワークロードを実行できます。ドキュメント化されているセットアップ手順には、設定を適用する前にアクセラレータとベース環境を選択する工程が含まれています。

これにより、GPUインフラストラクチャの設定やベースソフトウェア環境の管理にかかる負担が軽減されますが、モデル固有のライブラリや依存関係の検証は引き続き必要となります。

サポートされている生物学的基礎モデルについて、チームはBioNeMo Recipesを適用し、AIRのサーバーレスGPUを使用して独自データでトレーニングやファインチューニングを行うこともできます。BioNeMo Recipesは、PyTorchやHugging Faceなどの使い慣れたフレームワークを使用した高速化トレーニングの参照実装を提供します。

Lakeflowによるオーケストレーション、MLflowによる実験追跡、Unity Catalogによるガバナンスが、実行を再現可能なワークフローとエンタープライズ制御に結び付けます。研究者は生物学的研究に専念でき、開発者やプラットフォームチームがインフラストラクチャの管理に費やす時間を削減できます。

実験からデプロイまで

Databricksにおける実践的なモデルライフサイクルの例は以下の通りです：

1. 再利用のために、ガバナンスが適用されたUnity Catalogボリュームにモデルの重みを保存します。
2. AIR上で候補分子を生成する、またはモデルとレシピがサポートしている場合はトレーニングやファインチューニングを行います。
3. MLflowでパラメータ、メトリクス、アーティファクトを記録し、デプロイ可能なモデルをUnity Catalogに登録します。
4. 互換性のあるモデルをGPU Model Servingエンドポイントにデプロイするか、ワークロードに適している場合はバッチ実行をオーケストレーションします。
5. Genesis Workbenchの例や独自のパイプラインを通じて、出力を研究ワークフローに接続します。

サポートされているカスタムモデルエンドポイントでは、非アクティブ時にスケールトゥゼロによりプロビジョニングされた容量を削減できます。コールドスタートによってレイテンシが増加し、エンドポイントのスケールアップ時にGPU容量が保証されない場合があります。Databricksでは、一貫した可用性や応答時間が求められるワークロードにおいてスケールトゥゼロを無効にすることを推奨しています。

チームは、実行時間、コスト、可用性の要件のバランスを取りながら、研究タスクに適した実行パターンを選択できます。

ワークフロー全体を通じて、チームは実験の比較に必要な設定、モデルバージョン、評価結果、アーティファクトを保持できます。計算による評価は候補の優先順位付けをサポートしますが、ラボでの検証は依然として不可欠です。

はじめに

 Genesis Workbenchリポジトリを参照し、1つのターゲット、明確に定義された設計目標、小規模な実験から始めましょう。実装例と利用可能なエージェントスキルを使用してワークフローを適応させ、拡張する前にAIR上で実行および追跡します。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事