Aller au contenu principal
Outils · Outil ·

OpenFold3 sur Amazon SageMaker JumpStart : prédire les structures biomoléculaires

Amazon Web Services permet désormais de déployer OpenFold3-preview, un modèle open source de prédiction de structures biomoléculaires, directement depuis Amazon SageMaker JumpStart, avec quelques lignes de code et dans son propre compte AWS. Développé par l'OpenFold Consortium et l'AlQuraishi Lab de l'université Columbia, le modèle (version 0.4.1, checkpoint of3-p2-155k, licence Apache 2.0) prédit la structure 3D de protéines, d'ADN, d'ARN et de ligands de petites molécules fournis sous forme de SMILES, ainsi que des complexes qu'ils forment. Il produit des structures au format mmCIF accompagnées de métriques de confiance (pLDDT, PAE, PDE). Il s'exécute dans un conteneur maintenu par AWS, sur un endpoint SageMaker AI géré, avec isolation réseau pour garder les séquences à l'intérieur du compte. Les instances prises en charge sont ml.g6.2xlarge, ml.g6.4xlarge (par défaut) et ml.g6.12xlarge, et l'identifiant JumpStart est huggingface-proteinfolding-openfold3.

2 min de lecture

Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie

Source

Résumé et traduction réalisés par Le Fil IA à partir de AWS ML Blog. Lire l'article original →

L'enjeu tient au fonctionnement de ces prédictions. Le repliement peut prendre plusieurs minutes selon le nombre et la longueur des chaînes, alors qu'un endpoint temps réel est plafonné à 60 secondes. OpenFold3 s'appuie donc sur l'inférence asynchrone de SageMaker : la requête est déposée sur Amazon S3, l'appel à InvokeEndpointAsync rend la main immédiatement, puis le résultat ou les détails d'erreur sont écrits dans un emplacement S3 choisi, avec un délai d'invocation allant jusqu'à une heure et une notification possible via Amazon SNS. Les files d'attente internes absorbent les pics de demandes sans que l'utilisateur ait à construire son propre système de jobs, et l'endpoint peut descendre à zéro instance quand il est inactif, ce qui évite de payer des GPU au repos entre deux campagnes. Les équipes de découverte de médicaments, qui doivent sinon gérer l'infrastructure GPU, la pile CUDA et PyTorch et de gros fichiers de poids, y gagnent un accès simplifié. AWS cite la prédiction de structures de cibles sans structure expérimentale, le co-repliement protéine-ligand pour formuler des hypothèses de pose, l'ingénierie d'anticorps et les pipelines de criblage à haut débit. Le billet décrit aussi l'exécution de plusieurs prédictions en parallèle sur des instances multi-GPU et la possibilité de fournir ses propres alignements de séquences multiples (MSA) pour améliorer la précision tout en préservant la confidentialité.

Ce lancement s'inscrit dans l'adoption croissante de la prédiction de structure comme brique centrale du travail computationnel en pharmacie, dans le sillage des modèles de type AlphaFold, dont OpenFold3 se veut une alternative ouverte. Le code, les poids, les données d'entraînement et les méthodes sont publiés, ce qui permet aux laboratoires et aux industriels de les inspecter, de les affiner et de bâtir dessus, même si ses développeurs le présentent encore comme une préversion de recherche. Pour AWS, il s'agit d'élargir son catalogue JumpStart vers les sciences de la vie en réduisant la barrière opérationnelle. La suite dépendra de la maturité du modèle au-delà de la préversion et de son adoption dans des chaînes de criblage à grande échelle, où l'autoscaling et le traitement direct des résultats depuis S3 seront déterminants.

Impact France / UEChamp produit par Le Fil IA

Les laboratoires pharmaceutiques et de recherche européens peuvent déployer ce modèle ouvert de prédiction de structures dans leur propre compte cloud, sans gérer d'infrastructure GPU.

À lire ensuite

01Amazon SageMaker JumpStart : bilan des neuf premiers mois de 2026AWS ML BlogOutils 02Le modèle tabulaire NEXUS de Fundamental est désormais disponible sur Amazon SageMaker JumpStartAWS ML BlogOutils 03Déployer et évaluer des modèles avec Amazon SageMaker JumpStartAWS ML BlogOutils 
Dossier · AWSSuivi en continu par Le Fil IASuivre ce sujet →

Le brief du matin

L'essentiel de l'IA chaque jour. Gratuit, désinscription immédiate à tout moment.

Recevez l'essentiel de l'IA chaque jour

Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription à tout moment

Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.