AI創薬向け Boltz-2 x FPT GPUクラウド

生体分子の構造予測や相互作用の解析を、速く・簡単に実現できる研究支援ソリューションです。

FPT AI Factoryアカウント作成         資料ダウンロード   

FPT AI Factoryログイン         お問い合わせ     

Boltz-2とは

Boltz-2 NIMは、タンパク質、RNA、DNA、その他の分子の組み合わせに対して、最先端の生体分子構造予測および結合親和性予測機能を提供します。

Boltz-2のアーキテクチャに基づくこのNIMにより、研究者は複雑な生体分子構造を高精度で予測し、分子間相互作用を定量化できるため、幅広い分子構成や結合研究を支援します。

Boltz-2は計算生物学における重要な進歩を示し、以下の予測において前例のない能力を提供します。

  • タンパク質構造：単一鎖および多鎖からなるタンパク質複合体
  • 核酸構造：さまざまな構成のDNAおよびRNA分子
  • タンパク質‐核酸複合体：タンパク質と遺伝物質の相互作用
  • リガンド結合および親和性予測：予測される結合親和性スコアを含む、小分子と生体分子の相互作用
  • 修飾残基：翻訳後修飾および化学修飾
  • 制約誘導型予測：指定した相互作用ポケットや接触条件に基づいて条件付けされた構造予測

このモデルは、単一分子の予測と複雑な多分子アセンブリの両方に対応しており、基礎的な構造生物学から創薬まで、幅広い研究用途に適しています。

Boltz-2 x FPT GPUクラウドのメリット

高セキュリティ且つ日本リージョン、NVIDIA H200
搭載国内最速級GPUクラウド

GPUコンテナ、GPU仮想マシンなら利用開始１分、すぐに検証開始

NVIDIA H200x1本から複数ノードでのクラスタ利用まで、柔軟なスケールアウト

Boltz-2 ご利用パターンパターン

  メタルクラウド GPU仮想マシン GPUコンテナ
GPU数 8/ノード 1/2/4/8 1/2/3/4/5/6/7/8
システムメモリ 2TB/ノード ※GPU数により異なる ※GPU数により異なる
ストレージ（ローカル） あり あり あり
ストレージ(外付け) 有償オプション 有償オプション 有償オプション
ご利用規模 1チーム/課~ 1名～ 1名～
ご利用用途 大規模開発・計算 検証・小～中規模開発 検証・小規模開発
課金体系 リザーブド 従量課金/リザーブド 従量課金

Boltz-2 NIMの性能

以下の内容は、NVIDIA NIM for Boltz2ドキュメントからの抜粋です。

https://docs.nvidia.com/nim/bionemo/boltz2/latest/performance.html

NIMパフォーマンスに影響を与える要因

Boltz-2 NIMの性能は、いくつかの重要な要素によって決まります。

ハードウェアファクター

  • GPUの数と種類:GPUが多ければ多いほど、同時要求のスループットが向上します
  • GPUメモリ:大きなタンパク質や複合体ほどより多くのGPUメモリが必要になります
  • ストレージ速度:高速NVMe SSDストレージはモデルのロードとキャッシュ性能を向上させます

入力計算量

  • シーケンス長:実行時間は全シーケンス長のほぼ2乗に比例します
  • 鎖の数:多鎖複体は単一鎖よりも多くの計算を必要とします
  • 配位子と制約:追加の分子成分は計算コストを増加させます

モデルパラメータ

  • サンプリングステップ:値が高いほど品質は向上しますが、実行時間は大幅に増加します
  • リサイクルステップ:反復を重ねるほど精度が向上し、実行時間はわずかに増加します
  • 拡散サンプル:複数のサンプルは多様性を提供しますが、計算コストを増幅します

 

パフォーマンスメトリクス(Boltz2 v1.6.0)

                                                                               以下の表は、Boltz2 v1.6.0のパフォーマンス実行によるベンチマーク結果を示しています。

パラメータ 設定
workers output_format mmcif benchmark_mode compared_backends structure prediction 1 mmcif structure prediction OSS , TensorRT sompared with and without templates

表1:Performance Across the Supported NVIDIA Hardware Units_H200

以下の表はテンプレートなしのTensorRTを用いた秒単位の報告です。

テストID シーケンス長 予測時間 (秒)
8eil 186 1.44
8c4d 331 2.48
7qsj 375 3.22
8cpk 384 4.56
8are(8are) 530 5.66
8owf 575 6.17
7tpu 616 5.64
7ylz 623 7.41
8GPP 628 6.93
8clz 684 7.92
8k7x 858 12.47
8ibx 1286 21.62
8gi1 1464 25.77
8sm6 1496 31.06
8pso 1499 25.13
MSC1 1588 32.81
BCOR 1755 45.32
EVPL 2033 71.01