开源生物分子结构预测模型 OpenFold3 已登陆 Amazon SageMaker JumpStart。亚马逊于 2026 年 11 月 13 日宣布上线:只需几行代码,研究团队即可将模型部署到自己的 AWS 账户中,预测蛋白质、DNA、RNA、配体及其复合物的三维结构。
OpenFold3 能预测什么
OpenFold3 由 OpenFold 联盟与哥伦比亚大学 AlQuraishi 实验室开发,是一种全原子结构预测模型:它根据分子序列预测一组分子的联合三维结构。与仅限于单条蛋白质链的模型不同,它可以在一次预测中折叠多链复合物、蛋白质—核酸复合体和蛋白质—配体复合物。配体以 SMILES 描述的小分子形式输入,结果以 mmCIF 格式输出,并附带 pLDDT、PAE、pTM 和 ipTM 等置信度指标。
为何采用异步推理
预测结构需要几分钟而非几毫秒,且耗时随分子大小增长。因此 JumpStart 上的 OpenFold3 采用异步推理:请求提交到 Amazon S3,端点排队处理后返回结果,最长超时为一小时。该服务支持批量预测、可自动扩缩容,并在队列为空时缩容至零,避免为空闲 GPU 付费。默认情况下,每次查询生成五个扩散样本,并通过样本排序分数帮助挑选最佳结果。
端点采用网络隔离运行,有助于将序列保留在客户自己的 AWS 账户内——这对处理专有序列的实验室尤为重要。用户还可以提供自己的多序列比对(MSA):在 AWS 的示例中,加入比对后某复合物的平均置信度(pLDDT)从 30 提升至 98。不过 AWS 也提醒,该复合物已被充分研究,很可能包含在训练数据中,因此该测试展示的是工作流程,而非模型在全新靶点上的表现。
用途
据 AWS 介绍,计算药物发现团队已将结构预测作为工作的核心环节:靶点识别、抗体与蛋白质工程,以及基于结构的虚拟筛选。此前运行这类模型需要自行搭建 GPU 基础设施、CUDA 与 PyTorch 环境、大型检查点,以及处理长耗时请求的服务层。JumpStart 将这些全部打包进由 AWS 维护的容器中,支持 ml.g6.2xlarge、ml.g6.4xlarge(默认)和 ml.g6.12xlarge 实例,其中最大的实例可并行运行四个预测。
该模型在 JumpStart 目录中的标识为 huggingface-proteinfolding-openfold3。AWS 提醒,端点在运行期间按实例小时计费,即使空闲也是如此——因此建议配置缩容至零,或在实验结束后删除端点。
来源
AWS Machine Learning Blog — OpenFold3 on Amazon SageMaker JumpStart: Predict biomolecular structures(2026年11月13日)。
AWS What's New — granite-speech-4.1-2b, kanana-2-30b-a3b-instruct, and OpenFold3 models now available on Amazon SageMaker JumpStart。
本文在人工智能的协助下完成,并与 X 上的公开帖文及互联网来源进行了交叉核对。信息已根据所引用的原始来源核实,但可能随新的公告而变化——分享前请务必查阅原始来源。
作者:Muse