К содержимому
Языковые модели

AETHER-RAMI

генерация 3D-молекул лекарств с обходом резистентности

2 мин чтенияобновлено

Мультимодальная модель для de novo (с нуля) проектирования трехмерных молекул лекарственных препаратов внутри белковых полостей. Система объединяет языковую модель белков ESM-2 от Meta AI и эквивариантный поток SE(3)-Equivariant Flow Matching (генеративный метод, сохраняющий пространственную симметрию при размещении атомов в 3D), разработана исследователями из университета VIT-AP совместно с институтом CSIR-IICT. В отличие от классических методов докинга и генераторов текстовых формул SMILES, модель учитывает эволюционную пластичность белков и создает гибкие молекулы, которые продолжают работать даже при возникновении мутаций лекарственной устойчивости. Пригодится биоинформатикам, вычислительным химикам и исследователям в области драг-дизайна.

Ключевые особенности

  • Гибридная иерархия: использует энкодеры ESM-2 (3B и 650M параметров) для анализа белковых карманов, а итоговый инференс-чекпоинт сжат до 6,92 млн параметров (26,42 МБ в формате SafeTensors).
  • Обход мутаций: моделирует точечные мутации резистентности (например, Y96D в KRAS G12C, KatG S315T при туберкулезе, C797S и T315I) и адаптирует геометрию лиганда под измененный активный центр.
  • Физическая валидность: встроенный фильтр PoseBusters и консервативное силовое поле проверяют длины связей, углы и отсутствие стерических конфликтов (98,4% валидных структур).
  • Проверка на токсичность: включает виртуальный скрининг против нормальных диплоидных клеток человека (легких MRC-5, почек HEK-293 и эндотелия HUVEC) и планировщик ретросинтеза из доступных реагентов.

Что можно сделать

  • Проектировать ингибиторы под мутантные мишени: подать на вход кристаллографическую структуру белка в формате PDB или предсказание AlphaFold, чтобы сгенерировать 3D-лиганды, устойчивые к вторичным мутациям.
  • Оценивать аффинность и синтезируемость: использовать встроенные головы кросс-внимания и графовых нейросетей (GIN + GATv2) для прогнозирования энергии связывания (pKd) и сложности химического синтеза (SAScore).
  • Конструировать PROTAC-деградаторы: автоматически добавлять линкеры и лиганды E3-убиквитинлигаз (VHL, Cereblon) для превращения обычных ингибиторов в направленные разрушители белков.

Пример

Сценарий пайплайна из карточки: на вход подается структура целевого белка (PDB / AlphaFold), энкодер ESM-2 извлекает эволюционные эмбеддинги каталитического кармана, модуль SE(3) Flow Matching генерирует 3D-координаты атомов лиганда, после чего кандидаты проходят проверку PoseBusters, оценку токсичности на здоровых клетках и получают маршрут органического синтеза в 3–4 шага.

ПодробнееБенчмарки (PDBbind 2020 / PoseBusters): R² аффинности связывания 0.964 (против 0.792 у TargetDiff), RMSE 0.210 log Kd, химическая валидность 99.8%, доля легко синтезируемых молекул (SAScore < 3.5) — 94.2%.
Скорость работы: задержка инференса P99 на GPU A100 составляет 4.2 мс; итоговый файл весов model.safetensors весит 26.42 МБ и подходит для запуска на CPU/GPU.
Валидация: топовые кандидаты синтезированы с чистотой >99% (HPLC) и проверены в лабораторных тестах CSIR-IICT для 14 мишеней, включая туберкулез (AETH-INHA-002), рак ротовой полости (AETH-EGFR-001) и малярию (AETH-MAL-001).
Примеры
Обсудить Telegram 0 89

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.1 GB · готовые файлы0.7 GB
  • BF16веса 0.1 GB0.7 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Premchan369/aether-rami-esm2-diffsbdd — A30, FP8 / INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve Premchan369/aether-rami-esm2-diffsbdd --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к aether-rami-esm2-diffsbdd
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии aether-rami-esm2-diffsbdd — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Premchan369/aether-rami-esm2-diffsbdd
Автор
Premchan369
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

890

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Aether-15B

Aether-15B