Aureka, yapay zeka destekli biyolojik ilaç keşfi için altyapı geliştiren bir AI TechBio şirketi, bugün Open Drug Discovery Engine (OpenDDE) adlı açık kaynaklı bir biyomoleküler temel model yayınladı. OpenDDE, proteinler, nükleik asitler, küçük moleküllü ligandlar ve diğer biyomoleküler bileşenler arasındaki etkileşimleri modellemek için biyomoleküler birlikte katlanmayı (co-folding) giriş noktası olarak kullanıyor.

Model, yapı tahminini izole bir uç nokta olarak ele almak yerine, dizi-yapı-fonksiyon modellemesi için paylaşılan bir yapısal akıl yürütme katmanı olarak tasarlandı. Bu yaklaşım, bugün karmaşık yapı tahminine olanak tanırken, gelecekte de novo tasarım, afinite tahmini, yapı koşullu optimizasyon ve kapalı döngü keşif iş akışları için zemin hazırlıyor.

In silico kıyaslamalarda OpenDDE, rekabetçi birlikte katlanma performansı gösteriyor ve bildirilen IsoDDE seviyesindeki sonuçlarla arasındaki farkı daraltıyor. Aureka AI Araştırma'dan Will Hua, "OpenDDE, açık, tüm atomlu birlikte katlanma ve yapısal akıl yürütme ile başlıyor. Seçili in silico kıyaslamalarda, bildirilen IsoDDE seviyesindeki sonuçlarla arasındaki farkı daraltan rekabetçi bir performans sergiliyor. Bu sürümü, daha geniş bir ilaç keşif motoruna yönelik erken bir temel olarak görüyoruz" dedi.

Üç Teknik Katkı

OpenDDE'nin üç temel teknik katkısı bulunuyor:

  1. Atomik gizli akıl yürütme: Biyomoleküler tokenlar üzerinde gizli akıl yürütme sunarak, tüm atomlu yapı oluşturmadan önce yerel geometri, kimyasal bağlam ve çapraz moleküler arayüzlerin temsillerini iyileştiriyor.
  2. Katlanma merkezli temel: Şu anda karmaşık yapı tahminine odaklansa da, birleşik mimarisi de novo moleküler tasarım, afinite tahmini ve diğer yapı koşullu modülleri destekleyecek şekilde tasarlandı.
  3. Ölçekleme yasaları ve veri damıtma: Model parametre, veri, çıkarım ve eğitim eksenlerinde ölçekleme yönlerini inceleyerek biyomoleküler temel modellerde sürekli iyileştirme için pratik yollar gösteriyor.

Antikor-Antijen Birlikte Katlanmada Açık Kıyaslama Performansı

Aureka'nın teknik raporunda OpenDDE, üç kıyaslamada güçlü antikor-antijen birlikte katlanma performansı sergiliyor. En iyi sıralama seçiminde OpenDDE, PXMeter-AB'de %51.0, FoldBench-AB'de %70.0 ve yeni küratörlüğü yapılan 2026ARK-AB kıyaslamasında %66.4 başarı oranına ulaşıyor. Oracle seçiminde ise başarı oranları sırasıyla %65.9, %81.9 ve %80.1'e yükseliyor.

Biyomoleküler Temel Modeller Ölçekleme Çağına Giriyor

OpenDDE yaklaşık 655 milyon eğitilebilir parametreye sahip. Modelin eğitimi yaklaşık 414.000 GPU-saat gerektirdi; bu, tek bir bilgi işlem biriminde yaklaşık 54 yıla eşdeğer. Aureka'nın analizi, daha büyük etkili eğitim külliyatları, daha büyük modeller, daha yetenekli çıkarım zamanı örneklemesi ve eğitim sonrası iyileştirmelerin sistematik olarak daha güçlü biyolojik akıl yürütme ve yapı tahminine dönüşebileceğini gösteriyor.

Neden önemli

OpenDDE, biyomoleküler yapay zekanın büyük dil modellerini dönüştüren ölçekleme rejimine girmeye başladığının sinyalini veriyor. Açık kaynak lisansı (Apache-2.0) sayesinde araştırmacılar, girişimler, akademik laboratuvarlar ve çok uluslu şirketler tarafından bağımsız doğrulama ve topluluk odaklı genişletme mümkün hale geliyor. Aureka, bu hesaplama temelini yüksek verimli otomatik bir ıslak laboratuvar platformuyla birleştirerek kuru-ıslak kapalı döngü keşif sistemi kurmayı hedefliyor.

Açık Sürüm

OpenDDE, eğitim kodu, çıkarım hatları, kontrol noktaları ve kıyaslamalar dahil olmak üzere Apache-2.0 lisansı altında yayınlandı. Kaynak kod GitHub, Hugging Face ve proje web sitesinde mevcut.