SageMaker AI를 통한 BoltzGen 기반 단백질 설계 가속화

SageMaker AI를 활용한 BoltzGen을 통한 단백질 설계 가속화

최근 단백질 설계 분야에서의 혁신은 Amazon SageMaker AI와 같은 고성능 플랫폼을 통해 가속화되고 있습니다. 이번 블로그 포스팅에서는 BoltzGen 모델을 Amazon SageMaker AI에 배포하여 보다 효율적으로 단백질과 펩타이드 설계를 수행하는 방법을 소개합니다. 이와 함께 두 가지 실행 모드를 통해 다양한 연구 단계에 맞게 효율성을 극대화할 수 있는 방법에 대해 알아봅니다.

BoltzGen의 활용법과 단계별 사례

BoltzGen은 특정 생체 분자 타깃과 결합할 수 있는 단백질과 펩타이드를 생성하는 확산 기반 생성 모델입니다. 이 모델은 백본 구조 생성, 역접기, 구조적 유효성 검증, 후보 순위 지정의 GPU 집약적 단계를 포함합니다. 복잡한 후보 설계 단계를 효과적으로 처리하기 위해 필요한 복잡한 인프라 운영을 SageMaker AI가 대신 관리해 줍니다. SageMaker AI는 GPU 인스턴스 프로비저닝부터 결과 전달과 자원 정리까지의 모든 컴퓨팅 라이프사이클을 관리하여 연구진들이 인프라가 아닌 설계에 집중할 수 있도록 돕습니다.

각 단계는 SageMaker AI 환경에서 병목 현상을 줄여줍니다. 이 캐시 기반 파이프라인은 반복적인 작업에서 비용 절감 효과를 주며, SageMaker AI는 자동 스케일링을 통해 인프라 비용 없이 최적의 결과를 제공합니다.

실행 모드 비교 및 최적화 전략

SageMaker AI에서의 BoltzGen 실행은 두 가지 옵션을 제공합니다. 첫 번째는 빠른 실험을 위한 단일 처리 작업 모드로, 초기에 설계를 확인하고 결과를 빠르게 얻을 수 있습니다. 두 번째는 대규모 스케일링을 위한 파이프라인 모드로, 단계별 캐시와 자동 스케일링을 활용하여 대량의 데이터 프로세싱을 지원합니다.

각 모드의 장점은 해당 연구 단계에 적합한 실행과 비용 효율을 제공하여 최적의 처리 환경을 유지할 수 있는 점에 있습니다. BoltzGen은 두 모드 모두에서 GPU 및 인스턴스 수준의 확장을 지원하여 성능과 비용 간의 균형을 고려한 설계가 가능합니다.

결론

SageMaker AI와 BoltzGen의 결합은 연구원들이 복잡한 단백질 설계 문제를 해결하는 데 있어 시간과 비용을 절감할 수 있는 강력한 도구입니다. 이 플랫폼을 통해 설계 명세에서 최종 단백질 후보까지 빠르게 이동하며, 단계별 캐시와 인스턴스 관리의 이점을 최대한 활용할 수 있습니다. 연구의 초기 단계에서부터 대규모 데이터 분석까지, SageMaker AI의 유연한 환경이 모든 연구자의 필요를 충족시킬 수 있을 것입니다.

[1] URL: https://aws.amazon.com/blogs/machine-learning/accelerate-protein-design-with-boltzgen-on-amazon-sagemaker-ai/