Wat is er gebeurd
NVIDIA zegt dat het de BioNeMo Agent Toolkit heeft geïntegreerd met Anthropic's Claude Science, zodat agenten lokale of externe BioNeMo NIM-microservices kunnen ontdekken en bellen. De technische post demonstreert een workflow die eiwitsequenties ophaalt, evolutionaire uitlijningen genereert, OpenFold3- en Boltz-2-voorspellingen uitvoert en de resulterende artefacten bewaart voor beoordeling.
De technische post van NVIDIA van 31 augustus beschrijft de BioNeMo Agent Toolkit als een pakket van levenswetenschappelijke modellen, bibliotheken en workflows die kunnen worden ontmaskerd als door agenten opvraagbare vaardigheden. Het bedrijf zegt dat de toolkit biologie, scheikunde, genomica en medicijnontdekking omvat, en is ontworpen om met verschillende agentframeworks te werken.
In de gedemonstreerde opstelling orkestreert Claude Science drie NVIDIA NIM-microservices: MSA Search voor evolutionaire uitlijningen, OpenFold3 voor structuurvoorspelling en Boltz-2 voor een tweede reeks voorspellingen. NVIDIA zegt dat interne benchmarks de taaknauwkeurigheid van 60% naar 100% hebben verhoogd en de tokenefficiëntie grofweg hebben verdubbeld; deze cijfers zijn door het bedrijf gerapporteerd en worden niet onafhankelijk in de post getest. Voor de tutorial zijn Claude Science, een NVIDIA API-sleutel en toegang tot een werkstation of cloudmachine met een NVIDIA L40S of H100 GPU vereist. NVIDIA schat ongeveer 700 GB opslagruimte voor de workflow, inclusief ongeveer 490 GB voor een database die alleen voor UniRef30 beschikbaar is en 30-40 GB voor de Boltz-2- en OpenFold3-containers. Het bericht beschrijft ook alternatieven waarin Claude Science op een laptop draait en verbinding maakt met een externe GPU via SSH, HPC-infrastructuur of cloud computing.
De zelfstudie maakt gebruik van lokale Docker-containers die zijn verbonden met de host-GPU en vereist statuscontroles voordat de eindpunten worden goedgekeurd. Voor het biologische voorbeeld vergelijkt de workflow het Seh1-eiwit C1GY11 van Paracoccidioides lutzii op zichzelf en met een voorgestelde partner, C1HCX1. NVIDIA meldt dat de agent sequenties van respectievelijk 384 en 976 residuen heeft opgehaald en 202 sequenties voor elk eiwit heeft gevonden tijdens MSA-zoekopdrachten. Het creëerde ongepaarde uitlijningen voor de individuele ketens en een soort-gepaarde uitlijning voor het geval met twee ketens. De workflow voerde vervolgens monomeer- en heteromeervoorspellingen uit zonder sjablonen, liganden, zakken of andere structurele beperkingen, met behulp van mmCIF-uitvoer en met behoud van verzoeken, antwoorden, structuren, metrieken en fouten.
Het bericht meldt dat OpenFold3 een interface pTM, of iPTM, produceerde van 0,86 voor het heteromeer met MSA-invoer, terwijl Boltz-2 0,82 produceerde. In aanvullende vergelijkingen met vijf monsters waren de gerapporteerde MSA-versus-geen-MSA-waarden 0,85 versus 0,14 voor OpenFold3 en 0,82 versus 0,19 voor Boltz-2. NVIDIA zegt dat de steekproeven strak geclusterd waren, met standaarddeviaties niet groter dan 0,006, en dat genereuzere steekproefbudgetten het patroon niet wezenlijk veranderden. De twee modelfamilies gebruiken verschillende architecturen en gaan anders om met MSA-koppeling, maar hun door MSA ondersteunde interfacescores lagen binnen de 0,03 in de beschreven vergelijking.
Brongegevens: developer.nvidia.com ↗
Waarom het ertoe doet
Het voorbeeld laat zien hoe een AI-onderzoeksagent gespecialiseerde biologische modellen kan verbinden tot een reproduceerbare workflow in plaats van alleen maar de wetenschappelijke literatuur samen te vatten. Het rapporteert ook dat evolutionaire afstemming doorslaggevend was voor het voorspelde eiwitinterface in deze test, terwijl het duidelijk maakte dat modelovereenkomst geen bewijs is van een biologische interactie.
De praktische betekenis is de orkestratielaag. Het vouwen van eiwitten en complexe voorspellingen vereisen gespecialiseerde invoer, modelspecifieke formaten en parameters waarvan een agent voor algemene doeleinden mogelijk niet weet hoe hij deze moet selecteren of toepassen. In het verslag van NVIDIA identificeert Claude Science de benodigde services, bereidt de reeksen en uitlijningen voor, start de eindpunten, dient de voorspellingen in en registreert de artefacten. Dat maakt de AI-agent tot een exploitant van een wetenschappelijke pijplijn, en niet slechts tot een conversatie-interface voor een enkel model.
De resultaten illustreren ook waarom inputkwaliteit net zo belangrijk kan zijn als modelselectie. In de test van NVIDIA zorgde het verwijderen van de MSA ervoor dat het voorspelde vertrouwen in de heteromeerinterface scherp daalde in zowel OpenFold3 als Boltz-2. Het gerapporteerde monomeer pLDDT van OpenFold3 daalde van 82,3 met MSA naar 36 zonder MSA, terwijl de overeenkomstige waarde van Boltz-2 steeg van 0,79 naar 0,73 op de schaal van 0-1. De vergelijking suggereert dat evolutionaire informatie vooral belangrijk was voor het leggen van het contact tussen de twee ketens, hoewel dit eerder vertrouwensresultaten zijn van voorspellingsdiensten dan metingen van een echt biologisch complex.
De structurele vergelijking voegt een meer specifieke hypothese toe. NVIDIA zegt dat beide modellen een groep C1HCX1-bètastrengen hebben geplaatst nabij de open rand van Seh1's WD40-bètapropeller, op een positie die verband houdt met het sluiten van het laatste blad. Het over elkaar plaatsen van de Seh1-kernen produceerde naar verluidt C-alpha RMSD's van 0,68 Angstrom voor OpenFold3 en 0,65 Angstrom voor Boltz-2 over het grootste deel van de keten. Het bedrijf interpreteert dit als de partner die een bestaande vouw voltooit in plaats van deze substantieel te hermodelleren. Overeenkomst tussen onafhankelijke computermodellen maakt de voorgestelde geometrie bruikbaarder als doelwit voor onderzoek, maar het bewijst niet dat de eiwitten in levende cellen binden of de voorgestelde functie samen uitvoeren.
Interactief mechanisme: hoe het eigenlijk werkt
Ontdek interactief de onderliggende technologie achter deze ontwikkeling.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Wat je nu moet bekijken
De belangrijkste open vragen zijn of de workflow zich verder uitstrekt dan één eiwitpaar, hoeveel het kost en hoe lang het duurt om te draaien, en of laboratoriumexperimenten het voorspelde verband bevestigen. NVIDIA rapporteert interne toolkit-benchmarks en modelbetrouwbaarheidsscores, maar de post biedt geen onafhankelijke replicatie, runtime-metingen of experimentele validatie.
De duidelijkste beperking is biologische validatie. NVIDIA zegt expliciet dat de workflow een C1GY11-C1HCX1-interactie voorspelt en dat het resultaat niet experimenteel is geverifieerd. Het voorbeeld is gemotiveerd door een eerdere structurele observatie waarbij Seh1 en een Mio-familiepartner betrokken waren, maar dit bericht zelf rapporteert een computationele analyse.
Voor vervolgwerk is laboratoriumbewijs nodig, zoals biochemische of cellulaire tests, om te bepalen of de voorspelde associatie bestaat en of deze een biologische rol speelt. Generalisatie is ook onopgelost. De demonstratie concentreert zich op één eiwitpaar van één schimmelsoort, één UniRef30-databaseprofiel en gespecificeerde zoek- en bemonsteringsinstellingen. De gerapporteerde veranderingen in het vertrouwen laten zien dat MSA's in dit geval dragend waren, maar ze tonen niet aan dat elk eiwitcomplex in dezelfde mate profiteert of dat een hoge interfacescore op betrouwbare wijze de binding tussen verschillende eiwitten voorspelt.
De interne taakcorrectheids- en token-efficiëntiecijfers van NVIDIA missen eveneens de benchmarkdefinitie, testset, vergelijkingsbasislijn en onafhankelijke evaluatie die nodig zijn om hun bredere betekenis te beoordelen. Operationele details zullen bepalen of dit buiten een demonstratie bruikbaar is. De post vereist aanzienlijke lokale opslag, compatibele NVIDIA GPU's, containerdownloads, een API-sleutel en handmatige goedkeuring van eindpunten.
Er staat dat de runtime-statistieken aanwezig waren, maar leeg voor de gerapporteerde runs, zodat lezers de latentie, het energieverbruik, de cloudkosten of de doorvoer niet kunnen afleiden. Boltz-2 en OpenFold3 rapporteren ook betrouwbaarheidswaarden op verschillende schalen en leggen verschillende velden bloot, wat directe numerieke vergelijking beperkt. Het volgende betekenisvolle bewijs zou reproduceerbare tests door externe onderzoekers, gepubliceerde metingen van hulpbronnen, bredere eiwitcomplextests en experimentele bevestiging van de structurele hypothese zijn.