使用Sagemaker Studio 進行ESMFold蛋白質結構預測
背景說明
本篇文章提供如何透過Sagemaker Studio，使用Hugging face上的transformer蛋白質模型，簡易測試與部署。
建議瀏覽器
- Chrome
- Edge
Workshop 材料連結
- Workshop 實驗環境連結: <參與workshop時提供>
- 短網址：<參與workshop時提供>
- access code: <參與workshop時提供>
實作課程流程
- 實驗環境準備
- 進入SageMaker Studio
- 執行程式
- 部署endpoint
- 關閉Studio
Workshop 目標
首先，我們會先拿到標準的Herceptin蛋白質結構 source: Protein Data Bank (PDB) 
上圖中，橘色的為light chain，藍色的為heavy chain，綠色的為HER2 antigen。 
我們嘗試從heavy chain的氨基酸序列預測heavy chain的結構，使用ESMFold模型，並與PDB實驗結構進行比較。我們會使用TM-score作為評分標準。
1. 實驗環境準備
搜尋Sagemaker> Studio > Open Studio 
因為實驗環境限制，如果無法選擇ml.g4dn.xlarge。此時請選則ml.t3.medium
點擊Juypter Lab > Create JupyterLab space > “J1” 
Instance: ml.g4dn.xlarge / ml.t3.medium Storage: 50GB
Run space > Open JuypterLab 
2. 執行程式
點擊 Terminal 
1
git clone https://github.com/aws-samples/aws-healthcare-lifescience-ai-ml-sample-notebooks.git
點擊 aws-healthcare-lifescience-ai-ml-sample-notebooks > workshop > AI_Driven_Protein_Analysis > 1-esmfold-on-sagemaker.ipynb > 選擇Python 3 pykernel 
依照順序執行
- Download and Visualize the Experimentally-Determined Herceptin Protein Structure
- Make an In-Notebook ESMFold Prediction
3. 部署endpoint
因時間關係，本次workshop不執行此部分。此部分會達到的效果為，能夠直接使用API呼叫Sagemaker Endpoint，無需管理底層實作，即可調用ESM2模型進行蛋白質結構設計
4. 關閉Studio
當實驗結束後，務必回到Sagemaker Studio點擊Stop。如果直接關閉視窗，Studio的費用會持續進行。
