AWS detalha como executar o OpenFold3-preview no SageMaker JumpStart
A AWS publicou um guia para implantar o modelo de previsão biomolecular na própria conta e processar solicitações de forma assíncrona. O OpenFold3-preview é apresentado como uma versão de pesquisa.

A AWS publicou um guia para implantar o OpenFold3-preview pelo Amazon SageMaker JumpStart. Desenvolvido pelo OpenFold Consortium e pelo AlQuraishi Lab, da Columbia University, o modelo prevê estruturas 3D de proteínas, DNA, RNA, pequenas moléculas e complexos entre essas moléculas. Os desenvolvedores o descrevem como uma versão de pesquisa.
O modelo roda em um endpoint gerenciado e usa processamento assíncrono, que aceita solicitações demoradas e as mantém em fila. O endpoint pode reduzir a zero o número de instâncias quando a fila está vazia, mas a AWS cobra por hora de instância enquanto ele está ativo, inclusive quando está ocioso.
Cada previsão individual usa uma GPU. Instâncias com várias GPUs permitem processar solicitações diferentes ao mesmo tempo, não acelerar uma previsão isolada. A AWS também recomenda fornecer alinhamentos múltiplos de sequências (MSAs), que podem melhorar previsões de muitas proteínas e complexos. Em um teste divulgado pela empresa, um complexo conhecido ficou próximo da estrutura experimental com MSA; sem esse dado, a previsão apresentou erro de dobramento.
O endpoint opera com isolamento de rede e não consulta servidores externos de alinhamento. O usuário pode enviar MSAs pré-calculados, mas precisa gerá-los separadamente. A AWS diz que as sequências podem permanecer dentro da conta, embora solicitações e resultados sejam armazenados no Amazon S3.
O que muda para você
O guia é voltado a equipes de pesquisa e descoberta de medicamentos que usam a AWS e precisam prever estruturas biomoleculares. Elas podem implantar o OpenFold3-preview pelo SageMaker JumpStart, mas devem preparar os alinhamentos para muitos alvos reais e considerar a cobrança por hora das instâncias. A fonte apresenta o modelo como versão de pesquisa; não anuncia disponibilidade fora da infraestrutura AWS.
Minha leitura
A adoção depende de mais do que conseguir iniciar o modelo: a qualidade da previsão pode depender dos alinhamentos que a equipe consegue preparar. O isolamento de rede ajuda a manter as sequências na conta AWS, mas não resolve sozinho o armazenamento, o controle de acesso nem a cobrança. Eu avaliaria o fluxo inteiro — dos dados ao custo das instâncias — antes de tratar a implantação como pronta para uso na pesquisa.
Thiago FelizolaConsultor de IA, curador do Diário da IA

