Databricks nimmt NVIDIAs Proteindesign-Modell RFD4-Proteina in Genesis Workbench auf

Was RFD4-Proteina leistet und wie die Integration aussieht

RFD4-Proteina soll Forschenden helfen, Ideen für nützliche Proteine in testbare Entwürfe zu überführen. Laut Databricks baut das Modell auf Proteina-Complexa auf, NVIDIAs generativem Modell für das Design von Protein-Bindern, das aus einem Guss Aminosäuresequenzen und All-Atom-Strukturen gemeinsam erzeugt. RFD4-Proteina erweitert diesen Ansatz der gemeinsamen Generierung um eine optionale belohnungsgesteuerte Suche. Damit lassen sich Kandidaten gezielt in Richtung Eigenschaften wie Thermostabilität oder Bindungsaffinität lenken.

Genesis Workbench beschreibt Databricks als offenen, modularen Blueprint für die Lebenswissenschaften. Er zeigt, wie sich biologische Modelle auf Databricks mit Eingabeaufbereitung, Kandidatenbewertung und nachgelagerter Analyse verbinden lassen. Zwei integrierte Workflows nutzen RFD4-Proteina: Antibody Design und Vaccine Design. Entwickler können einzelne Komponenten wiederverwenden oder die Implementierung an eigene wissenschaftliche Methoden anpassen. Databricks bezeichnet die Integration als geplant und spricht von Modellunterstützung ab dem ersten Tag (Day-zero).

Anthony Costa, Director of Digital Biology bei NVIDIA, sagte, die eigentliche Schwierigkeit beim Proteindesign liege darin, die wenigen Kandidaten auszuwählen, die sich im Labor herzustellen lohnen. Wenn das Modell neben den eigenen experimentellen Daten eines Teams laufe, könnten Wissenschaftler diese Auswahl auf Grundlage dessen treffen, was ihre Experimente bereits gezeigt haben.

Agent Skills und KI-gestützte Entwicklung

Databricks Genie Code unterstützt Entwickler dabei, Daten- und ML-Workflows per natürlicher Sprache zu bauen, zu debuggen und anzupassen. Die Skills des NVIDIA BioNeMo Agent Toolkit ergänzen Anweisungen, Skripte und Referenzen für biologische Modelle und wissenschaftliche Werkzeuge. Sie decken Strukturvorhersage, Proteindesign, molekulares Docking und Genomanalyse ab. Laut Databricks können sie einem Coding-Agenten helfen, Eingaben vorzubereiten, unterstützte Tools aufzurufen, Ausgaben zu prüfen und mehrstufige Workflows zusammenzusetzen. Genesis Workbench bietet außerdem Skills für Claude-basierte Coding-Agenten, die Entwicklern helfen können, den Blueprint zu verstehen und Integrationen für neue Modelle wie RFD4-Proteina aufzusetzen.

Der Beitrag nennt ein Beispiel-Prompt für Genie Code: Entworfen werden soll ein Nanobody (VHH) gegen PD-L1 mit festem humanisiertem Gerüst, in 8 Iterationen mit je 8 Samples, mit ProteinMPNN auf den CDRs und Boltz-Co-Folding für die Bindung. Die Belohnung gewichtet Bindung, Faltungskonfidenz, Entwickelbarkeit und ein geringes Risiko von Anti-Drug-Antikörpern. Databricks betont, dass die Forschenden die Kontrolle behalten, indem sie Code prüfen, Tools auswählen und Ergebnisse interpretieren. Abhängigkeitsprüfungen, Tests und wissenschaftliche Begutachtung blieben Teil des Prozesses.

Serverlose GPUs und Governance

Databricks AI Runtime (AIR) ist allgemein verfügbar und stellt für unterstützte Workloads serverlose NVIDIA-GPU-Rechenleistung bereit. Entwickler verbinden ein Notebook mit Serverless GPU Compute, wählen einen NVIDIA-H100-Beschleuniger und eine unterstützte Umgebung aus und starten ihre Workload. Modellspezifische Bibliotheken und Abhängigkeiten müssen die Teams weiterhin selbst validieren. Für unterstützte biologische Foundation-Modelle können Teams zudem BioNeMo Recipes anpassen, also Referenzimplementierungen auf Basis von Frameworks wie PyTorch und Hugging Face, um mit proprietären Daten zu trainieren oder Feintuning zu betreiben.

Die Governance läuft über Unity Catalog und MLflow. Teams können Modellgewichte als verwaltete MLflow-Modelle in Unity-Catalog-Volumes ablegen und feinabgestimmte Modelle dort registrieren, um Versionen mit Konfigurationen und Artefakten zu verknüpfen. Lakeflow-Orchestrierung und MLflow Experiment Tracking verbinden die Ausführung mit wiederholbaren Workflows. Databricks zufolge sollten Zugriffskontrollen und Netzwerkkonfiguration widerspiegeln, wo Modell, Bewertungstools und Coding-Agenten laufen.

Der beispielhafte Lebenszyklus reicht vom Ablegen der Gewichte und der Kandidatengenerierung auf AIR bis zum Tracking der Ergebnisse in MLflow. Kompatible Modelle lassen sich anschließend auf GPU-Model-Serving-Endpunkten bereitstellen oder als Batch-Jobs ausführen. Bei unterstützten Endpunkten für eigene Modelle kann Scale-to-zero die bereitgestellte Kapazität in Leerlaufzeiten senken. Databricks warnt, dass Kaltstarts die Latenz erhöhen und GPU-Kapazität beim erneuten Hochskalieren eines Endpunkts nicht garantiert ist. Für Workloads, die konstante Verfügbarkeit oder Antwortzeiten benötigen, empfiehlt das Unternehmen, Scale-to-zero zu deaktivieren.

Was das für Teams in den Lebenswissenschaften bedeutet

Das Versprechen: Teams können fortgeschrittene Proteindesign-Modelle auf ihren eigenen, verwalteten Daten ausführen, ohne sensibles geistiges Eigentum aus ihrer Umgebung herauszugeben. Mike Sanky, VP of Healthcare and Life Sciences bei Databricks, sagte: "You own the science." Databricks argumentiert, damit sinke der Aufwand, einen separaten Forschungs-Stack aufzubauen und zu betreiben.

Genesis Workbench zeigt außerdem, wie sich Genomik, Einzelzelldaten sowie Workflows für Proteindesign oder kleine Moleküle in einer gemeinsamen Umgebung bündeln lassen. Für Entwickler ist der Blueprint ein Ausgangspunkt und kein fertiges Produkt. Er soll die erste Implementierung beschleunigen, während Validierung und wissenschaftliche Urteilskraft beim Forschungsteam bleiben.