Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

AWS bringt biomolekulare Strukturvorhersage mit OpenFold3 zu SageMaker

13. November 2026, 22:53Von der KI Nachrichten RedaktionQuelle: AWS
AWS bringt biomolekulare Strukturvorhersage mit OpenFold3 zu SageMaker
Bild: AWS

AWS zufolge können Nutzer OpenFold3-preview über Amazon SageMaker JumpStart bereitstellen, um 3D-Strukturen von Proteinen, DNA, RNA, niedermolekularen Liganden und den daraus entstehenden Komplexen vorherzusagen. Der verwaltete Dienst übernimmt die GPU-Infrastruktur, die Warteschlangen für Anfragen und die Modellbereitstellung für Vorhersagen, die mehrere Minuten dauern können.

Das Wichtigste in Kürze
  • OpenFold3-preview ist über Amazon SageMaker JumpStart verfügbar.
  • Das Modell sagt Strukturen von Proteinen, DNA, RNA, Liganden und deren Komplexen voraus.
  • Die asynchrone Inferenz unterstützt Jobs mit Aufruf-Zeitüberschreitungen von bis zu 1 hour.
  • Ergebnisse und Fehlerdetails werden in Amazon S3 geschrieben.
  • OpenFold3 wird unter der Apache-2.0-Lizenz als Forschungsvorschau veröffentlicht.

Ein All-Atom-Modell für biomolekulare Komplexe

Das OpenFold Consortium und das AlQuraishi Lab an der Columbia University haben OpenFold3 als Open-Source-Modell zur Vorhersage biomolekularer Strukturen entwickelt. AWS beschreibt OpenFold3 als All-Atom-Modell, das die gemeinsame 3D-Struktur von Molekülen anhand ihrer Sequenzen vorhersagt.

Im Gegensatz zu einem Modell, das auf einzelne Proteinketten beschränkt ist, kann OpenFold3 in einer Vorhersage Mehrketten-Proteinkomplexe, Protein-Nukleinsäure-Komplexe und Protein-Ligand-Komplexe vorhersagen. Zu den Eingaben gehören Protein-, DNA- und RNA-Sequenzen sowie niedermolekulare Liganden im SMILES-Format. Die Ergebnisse werden im mmCIF-Format mit den Konfidenzmetriken pLDDT, PAE und PDE bereitgestellt.

Der JumpStart-Eintrag führt das Modell als OpenFold3 0.4.1 mit dem Checkpoint of3-p2-155k. Die Modell-ID lautet huggingface-proteinfolding-openfold3. Unterstützt werden unter anderem ml.g6.2xlarge, ml.g6.4xlarge, das AWS als Standard aufführt, und ml.g6.12xlarge.

Asynchrone Inferenz für lang laufende Jobs

AWS zufolge ist der Betrieb einer Strukturvorhersage schwierig, weil dafür GPU-Infrastruktur, ein CUDA- und PyTorch-Stack, große Modell-Checkpoints und eine Bereitstellungsschicht für Anfragen erforderlich sind, die Minuten statt Millisekunden dauern. OpenFold3 läuft in einem von AWS gewarteten Container auf einem verwalteten Amazon-SageMaker-AI-Endpunkt.

Die Bereitstellung nutzt SageMaker Asynchronous Inference statt eines Echtzeit-Endpunkts. Nutzer laden eine Anfrage in den Amazon Simple Storage Service, kurz Amazon S3, hoch und rufen InvokeEndpointAsync auf, das sofort zurückkehrt. Der Endpunkt reiht die Anfrage ein, verarbeitet sie mit einer Aufruf-Zeitüberschreitung von bis zu 1 hour und schreibt das Ergebnis oder Fehlerdetails an einen vom Nutzer ausgewählten S3-Speicherort. Ergebnisse können abgefragt oder über Amazon Simple Notification Service zugestellt werden.

Damit können Teams Stapelverarbeitungen einreichen, ohne eine eigene Job-Warteschlange aufzubauen. AWS zufolge können asynchrone Endpunkte außerdem auf null Instanzen skalieren, wenn die Warteschlange leer ist. Das hilft, Kosten für ungenutzte Instanzen zwischen Experimenten zu vermeiden. Nutzer können mehrere Vorhersagen parallel auf Multi-GPU-Instanzen ausführen und Autoscaling hinzufügen.

Forschungseinsatz und Datenkontrollen

AWS nennt die Vorhersage von Ziel- und Komplexstrukturen, Protein-Ligand-Co-Folding, Antikörper- und Protein-Engineering sowie Hochdurchsatz-Screening als vorgesehene Einsatzbereiche. Teams können Stapel in die Warteschlange stellen und Ergebnisse direkt aus Amazon S3 verarbeiten. Sie können außerdem eigene Multiple-Sequence-Alignments bereitstellen, um die Vorhersagegenauigkeit zu verbessern und gleichzeitig dazu beizutragen, Sequenzen privat zu halten.

Die Entwickler von OpenFold3 veröffentlichen den Code und die Modellgewichte unter der Apache-2.0-Lizenz und stellen Trainingsdaten und Methoden bereit. AWS zufolge können Forschungseinrichtungen und Pharmaunternehmen das Modell unter dieser Lizenz prüfen, feinabstimmen und darauf aufbauen. Die Entwickler bezeichnen OpenFold3-preview als Forschungsvorschau.

Der Endpunkt läuft mit Netzwerkisolierung, die laut AWS dazu beitragen kann, Sequenzen innerhalb des AWS-Kontos eines Nutzers zu halten. AWS empfiehlt außerdem, einen dedizierten S3-Bucket oder ein entsprechendes Präfix, serverseitige Verschlüsselung mit einem Schlüssel des AWS Key Management Service, eingeschränkten Bucket-Zugriff und Lebenszyklusregeln für Anfrage- und Ergebnisobjekte in Betracht zu ziehen. SageMaker-Endpunkte werden pro Instanzstunde abgerechnet, solange sie laufen, einschließlich der Leerlaufzeit. Nutzer müssen Endpunkte daher löschen oder Scale-to-zero konfigurieren, um unerwartete Kosten zu vermeiden.

Ähnliche Meldungen

AWS zeigt, wie sich Coding-Agent-Anfragen mit NeMo Switchyard routen lassen
Für Entwickler13. November 2026, 23:30

AWS zeigt, wie sich Coding-Agent-Anfragen mit NeMo Switchyard routen lassen

AWS hat eine Beispielbereitstellung veröffentlicht, die Anfragen von Coding-Agenten auf Amazon Bedrock mithilfe von NVIDIA NeMo Switchyard und LiteLLM zwischen Modellen…

NVIDIA Nemotron 3.5 Super VL kommt in AWS SageMaker JumpStart
Modelle9. November 2026, 21:01

NVIDIA Nemotron 3.5 Super VL kommt in AWS SageMaker JumpStart

AWS stellt NVIDIA Nemotron 3.5 Super VL in Amazon SageMaker JumpStart bereit. Damit erhalten Nutzer Bereitstellungsoptionen für ein multimodales Modell, das Bilder…

Metas Muse Spark Open ist jetzt in Amazon SageMaker JumpStart verfügbar
Modelle15. Oktober 2026, 19:43

Metas Muse Spark Open ist jetzt in Amazon SageMaker JumpStart verfügbar

Muse Spark Open von Meta, ein für Programmieraufgaben optimiertes Open-Weight-Modell, ist ab sofort in Amazon SageMaker JumpStart verfügbar. Nutzer können es laut AWS…