NVIDIA BioNeMo 服務現在可用于早期訪問。在 2022 年秋季 GTC 上， NVIDIA 發布了 BioNeMo ，這是一個特定領域的框架和服務，用于在數十億參數的超級計算規模上培訓和服務化學和生物學的生物分子大語言模型（ LLM ）。
Bio NeMo 服務針對化學、蛋白質組學和基因組應用進行了域優化，旨在支持化學結構 SMILES 表示法中表示的分子數據，以及蛋白質、 DNA 和 RNA 的氨基酸和核酸序列 FASTA 。
借助 Bio NeMo 服務，科學家和研究人員現在可以通過云 API 訪問預訓練的生物分子 LLM ，使他們能夠預測蛋白質結構、開發工作流，并從 LLM 嵌入中擬合下游任務模型。
Bio NeMo 服務是 AI 藥物發現管道的交鑰匙云解決方案，可在瀏覽器中或通過 API 端點使用。服務 API 端點為科學家提供了快速啟動基于大型語言模型架構的 AI 藥物發現工作流的能力。它還提供了一個 UI 平臺，可以通過 API 輕松快速地嘗試這些模型，該 API 可以集成到您的應用程序中。
Bio NeMo 服務包含以下功能：
- 完全管理的基于瀏覽器的服務，具有蛋白質 LLM 的 API 端點
- 用于快速 3D 蛋白質結構預測的加速 OpenFold 模型
- ESM-1nv LLM 用于下游任務的蛋白質嵌入
- 通過圖形用戶界面（ GUI ）交互式推斷和可視化蛋白質結構
- 通過 API 編程訪問預訓練模型
關于模型
ESM-1nv 基于 Meta AI 最先進的 ESM-1b ，是用于蛋白質進化規模建模的大型語言模型。它基于 BERT 架構，并基于數百萬個蛋白質序列進行了訓練，具有掩蔽的語言建模目標。 ESM-1nv 學習最終導致蛋白質結構和功能的氨基酸之間的模式和依賴性。
ESM-1nv 的嵌入物可用于擬合下游任務模型，以獲得感興趣的蛋白質特性，如亞細胞位置、熱穩定性和蛋白質結構。這是通過訓練具有監督學習目標的典型小得多的模型來實現的，以從 ESM-1nv 嵌入的蛋白質序列推斷屬性。使用 ESM-1nv 中的嵌入通常會在最終模型中獲得更高的精度。
OpenFold 是 DeepMind 的 AlphaFold-2 模型的忠實復制，用于從一級氨基酸序列預測 3D 蛋白質結構。在 CASP14 ，結構生物學中這一長期存在的巨大挑戰達到了一個重要里程碑， AlphaFold-2 對預測的結構實現了幾乎實驗性的準確性。雖然 AlphaFold 是為 JAX 工作流開發的，但 OpenFold 的代碼基于 PyTorch 。
Bio NeMo 中的 OpenFold 也是可訓練的，這意味著可以為專門研究創建變體。 OpenFold 實現了與原始模型相似的精度，并以 0.96 ? RMSD95 的精度預測中值主干，由于 MSA 生成步驟中所做的更改，其速度提高了 6 倍。這意味著藥物發現研究人員很快就能得到 3D 蛋白質結構預測。
盡早使用 Bio NeMo 服務
申請提前訪問 BioNeMo 服務 。您將被要求加入 NVIDIA 開發者計劃，并填寫一份簡短的問卷，以便盡早訪問。
?
