Egyetlen rendszerben készülhet a fehérje és a formája
Az NVIDIA bemutatta az RFD4-Proteina nevű nyílt modelljét, amely egy folyamatban tervezi meg a fehérjék aminosavsorrendjét és teljes atomos térszerkezetét. A fejlesztés a vállalat BioNeMo rendszeréhez kapcsolódik, és a Washingtoni Egyetem School of Medicine intézetének Institute for Protein Design kutatóival közösen készült. A modell a természetben megfigyelhető mintázatokból indul ki, majd ezek alapján keresi a lehetséges fehérjék rendkívül nagy terében a megfelelő jelölteket.
A kihívás méretét jól érzékelteti, hogy már egy nyolc aminosavból álló szekvenciánál is több mint 25 milliárd kombináció adódik. Egy 100 aminosavas szekvencia esetében a lehetőségek száma meghaladja a megfigyelhető univerzum atomjainak számát. Az RFD4-Proteina ezért olyan közös reprezentációt használ, amelyben a fehérjeváz koordinátái, valamint a szekvencia és az atomok tanult változói együtt jelennek meg.
A rendszer autoenkóderének dekódere egyszerre állítja elő a szekvenciát és a teljes atomos szerkezetet. Ezzel nincs szükség arra a külön inverz hajtogatási lépésre, amely a korábbi munkafolyamatokban a megtervezett szekvencia térszerkezetté alakítását végezte, például a ProteinMPNN használatával.
Jutalmazással választja ki a jobb jelölteket
Az RFD4-Proteina működésének fontos eleme a jutalomvezérelt, következtetés közbeni keresés. A modell a generálási folyamat részleges állapotait zajtalanítja, ezekből szerkezeteket készít, majd különböző szempontok szerint értékeli őket. A magasabb pontszámot kapó állapotokat megtartja, és ezekből folytatja a további ágak felépítését mindaddig, amíg a megadott feltételek teljesülnek.
A jutalmazás többféle célt is szolgálhat. Vizsgálhatja például a geometriai tulajdonságokat, a molekulák közötti kölcsönhatásokat vagy egy független előrejelző megbízhatóságát. Így a számítási kapacitás nem egyenletesen oszlik el minden lehetséges eredmény között, hanem inkább a kedvezőbbnek tűnő megoldásokra összpontosul.
Az NVIDIA szerint az új modell az RFD3-nál gyorsabban és takarékosabban működik. Ennek egyik oka, hogy nem atomszintű, hanem aminosavszintű, vagyis reziduumszintű látens reprezentációval dolgozik. Ez mérsékli a memóriaigény gyors növekedését. A diffúziós mintavételezés lépésszáma a Proteina-Complexa körülbelül 400 lépéséről 60-ra csökkent.
A kereséshez használt kiértékelők, köztük az OpenFold3 és a fizikai módszereket támogató TMol, CUDA-gyorsítást kaptak. A forrásban ismertetett, 200 reziduumos generálási benchmark alapján az RFD4-Proteina 3,8-szor gyorsabban generált az RFD3-nál, miközben 84 százalékkal kevesebb csúcsponti lefoglalt memóriát használt.
PD-L1 ellen tervezett kötőfehérjékkel mutatták be
Az NVIDIA egy onkológiai célpont, a PD-L1 ellen készített kötőfehérjékkel szemléltette a modell használatát. A tervező megadhatja, mely részek változhatnak, melyeknek kell rögzítettnek maradniuk, valamint azt is, milyen számítási és kísérleti feltételek mellett tekinthető sikeresnek az eredmény. A bemutatott beállításban a célpont szekvenciája és fehérjevázának koordinátái rögzítve maradtak.
A rendszer közben lehetővé tette az oldalláncok újracsomagolását, és a kötőfehérje generálását a Tyr56, Met115 és Tyr123 hotspotatomjai felé irányította. Az új kötőfehérjék hossza 100 és 150 reziduum között lehetett. A konkrét munkafolyamatról az AI Hírek összefoglalója az NVIDIA RFD4-Proteina fehérjetervező modelljéről is beszámol.
Nyílt modellként és szolgáltatásként is elérhető
Az adatok előkészítéséhez az NVIDIA az AtomWorks molekuláris adatréteget használja. Python- és PyMOL-munkafolyamatokban kijelölhetők a rögzített atomok, a tervezhető reziduumok, a hotspotok és a vizsgált molekuláris környezet. Az open modell és a NIM egyaránt támogatja az annotált CIF-fájlokat, valamint a forrásszerkezettel együtt megadott feltételeket.
Az RFD4-Proteina nyílt modellként használható képzésre, következtetésre, módszerfejlesztésre és a mintavételezési kód közvetlen vezérlésére. A másik hozzáférési forma a NIM mikroszolgáltatás, amely HTTP-felületen keresztül kínál gyors következtetést. A BioNeMo Agent Toolkit eszközei ezen túl a generálás, a keresés, az értékelés és az eredmények archiválásának összehangolását is támogatják. Ez iteratív tervezési kampányokban teheti kezelhetőbbé a különböző jelöltek összehasonlítását.
