· 4 Min. Lesezeit · Gaia Lab
4.400 Proteinkomplexe mit Boltz-2: Vorhersagen, wie zwei Proteine binden
Ein offenes Diffusionsmodell aus der Familie von AlphaFold 3, angewendet auf Tausende Proteinpaare, um die Struktur des Komplexes und die Konfidenz der Bindung vorherzusagen. Fünfzehn Jobs, zwei Kampagnen und eine Lektion darüber, was jedes Paar kostet, wenn die Komplexe wachsen.
Vierte Folge von Cluster-Röntgenbild und die Linie mit den wenigsten Jobs: fünfzehn. Zugleich eine derjenigen, die am meisten GPU reservieren, denn jeder Job dauert Tage.
Die Frage #
Zu wissen, ob und wie zwei Proteine interagieren, ist eine der zentralen Fragen der Strukturbiologie: Es erklärt Signalwege, Wirkstoffziele und die Wirkung von Mutationen. Es experimentell zu bestimmen, kostet Monate pro Paar. Die Linie nutzt Strukturvorhersage, um im Maßstab von Tausenden Paaren die Struktur des Komplexes, den zwei Proteine bilden, und die Konfidenz, dass die Bindung real ist, abzuschätzen.
Wie man vorgeht #
Das Modell ist Boltz-2, ein offenes Diffusionsmodell für biomolekulare Strukturen, Nachfolger von Boltz-1 und vergleichbar mit AlphaFold 3. Der Ablauf ist in beiden Kampagnen derselbe:
- Die Sequenzen auflösen für jedes Paar (aus einem lokalen Cache, einem gemeinsamen FASTA oder live von UniProt) und je physisch eindeutigem Paar eine Beschreibung schreiben.
- Vorhersagen jedes Komplexes mit Boltz-2, unter Nutzung des entfernten Servers des Projekts für multiple Sequenzalignments und mit drei Diffusions-Samples pro Paar, um die Variabilität abzuschätzen.
- Die Ergebnistabelle aufbauen je Zeile des Versuchsdesigns, mit den Konfidenzwerten des Modells für jedes Paar.
Die erste Kampagne umfasste 2.534 Paare; die zweite 1.907, davon rund 1.650 neue. Insgesamt etwa 4.400 Vorhersagen. Das Versuchsdesign wird separat erzeugt und ändert sich innerhalb der Jobs nicht: Bereits vorhergesagte Paare werden übersprungen, sodass eine Kampagne beliebig oft wieder aufgenommen werden kann, ohne etwas zu verlieren.
Was man lernt #
Neben der Tabelle aus Komplexen und Konfidenzen hinterließ die Linie eine nützliche Messgröße für jeden, der eine solche Kampagne plant: was ein Paar kostet. Die erste Schätzung, aufgeschrieben vor jeder Messung, ging von zwei Minuten pro Paar auf einer 48-GB-Karte aus. Die beobachtete Rate über die ersten 2.533 Paare lag bei 4 bis 5 Minuten (Median 240 s, Mittelwert 304 s). Und am Ende der zweiten Kampagne, beim Übergang zu den größeren Komplexen, stieg der Mittelwert auf 21 Minuten pro Paar. Ein Faktor zehn zwischen der ursprünglichen Annahme und der Realität der großen Komplexe, den das wiederaufnehmbare Design ohne Arbeitsverlust abfing.
Mit nur einer Vorhersagesequenz pro Karte und extern berechneten Alignments verbringt die GPU einen guten Teil der Zeit mit Warten. Die Alignments lokal zu berechnen oder mehrere Paare parallel pro Karte vorherzusagen sind die beiden offensichtlichen Hebel, falls die Linie wächst.
Auf dem Cluster #
In der fünften Folge : LiDAR-Punktwolken und einzelne Bäume.
Zahlen aus dem Slurm-Accounting (reservierte Kapazität, nicht gemessene Nutzung) und den archivierten sbatch-Dateien. Anonymisierter Beitrag: ohne identifizierbare Nutzer, Pfade, E-Mails oder Projektnamen. Die Zitate stammen aus den Kommentaren der Skripte.