Автоматизация научных воркфлоу через AI-агентов
NVIDIA представила BioNeMo Agent Toolkit, который упаковывает более десятилетия разработок в области биологии и химии в набор навыков, вызываемых AI-агентами. Интеграция с Claude Science от Anthropic позволяет агентам не просто генерировать текст, а orchestrate (координировать) сложные научные эксперименты: находить данные, запускать специализированные модели и интерпретировать результаты. На внутренних бенчмарках использование BioNeMo-навыков повысило корректность выполнения задач с 60% до 100% и удвоило эффективность использования токенов.
Технический стек и требования
Для работы системы требуется локальная машина или облачный инстанс с GPU NVIDIA (L40S или H100) и около 700 ГБ свободного места. Архитектура строится на трех ключевых NIM-микросервисах:
- msa-search NIM: Генерация множественного выравнивания последовательностей (MSA). Использует базу UniRef30 (~490 ГБ для профиля UniRef30-only).
- openfold3 NIM: Предсказание структуры на базе модели OpenFold3.
- boltz2 NIM: Предсказание структуры на базе модели Boltz-2.
Агент Claude Science самостоятельно скачивает контейнеры, настраивает эндпоинты и выполняет «smoke-test» каждого сервиса перед запуском основного воркфлоу.
Кейс: Белок Seh1 и его партнер C1HCX1
В качестве демонстрации был выбран белок Seh1 (C1GY11) и его предполагаемый партнер из семейства Mio (C1HCX1) гриба Paracoccidioides lutzii. Задача заключалась в сравнении структуры Seh1 в изолированном состоянии и в составе комплекса. Агент извлек последовательности из UniProt, сгенерировал MSA (по 202 последовательности для каждого белка) и передал их в обе модели предсказания структуры.
Результаты: Эволюционное выравнивание критично
Сравнение результатов OpenFold3 и Boltz-2 показало, что наличие MSA является «несущей конструкцией» (load-bearing input) для точного предсказания интерфейсов взаимодействия. Без MSA уверенность моделей в правильности интерфейса падала до критических значений.
| Модель | С MSA (iPTM) | Без MSA (iPTM) | Наблюдение |
|---|---|---|---|
| OpenFold3 | 0.85 | 0.14 | Высокая уверенность во взаимодействии |
| Boltz-2 | 0.82 | 0.19 | Высокая уверенность во взаимодействии |
Структурный суперпозиционный анализ показал, что наличие партнера C1HCX1 не перестраивает (remodels) фолдинг Seh1, а дополняет его. Обе модели независимо расположили β-нити C1HCX1 в позиции «WD40 velcro-closure», что подтверждает гипотезу из исследования Han, Tsenkov, Venanzi et al. (bioRxiv, 2026).
Почему это важно
Это решение закрывает разрыв между общими AI-агентами и узкоспециализированными научными инструментами. Исследователям больше не нужно вручную настраивать среды выполнения, управлять API и форматировать запросы для разных моделей. BioNeMo Agent Toolkit позволяет ученым сосредоточиться на формулировке гипотез, оставляя рутинную работу по запуску вычислений и валидации данных AI-ассистенту. Инструмент уже доступен на GitHub для применения к другим мономерам и комплексам.
Источник: NVIDIA dev blog ↗