LeDock是蘇黎世大學Zhao HongTao在博士期間開發的一款分子對接軟件，專為快速準確地將小分子靈活對接到蛋白質而設計。LeDock優於大部分商業軟件，在Astex多樣性集合上實現了大於90％的構象預測準確度，對接時間最快僅需三秒。LeDock同時支持Windows、Linux和MacOS三大操作系統。Linux版支持大規模虛擬篩選，需要通過代碼操作才能實現目標。Windows版的圖形界面極大簡化了藥物化學家常見多重複雜的對接過程，但每次任務只能對接一個分子，效率極低，只適用於少量對接場景。如果考慮到不少用戶還有分子庫相關的需求，無論哪種版本，對用戶來說，都有點難搞。今天我們就通過一個LeDock實證來聊聊，怎麼幫助大家愉快地（不寫代碼）提高大規模分子對接效率（少點手動），甚至還能解決一些別的問題（一些爽點），擴大實驗的空間和範圍，放飛研發人員的想象力。某藥企藥物化合部想使用LeDock進行20萬分子對接任務，但本地只有兩台48核的工作站。如果按Windows版的一對一串行對接模式，假設按1分鐘一個算吧，不吃不喝不睡不關機，也要對接138天。如果再加上中間出錯修改、參數配置、分子庫處理，無數次重複手動操作步驟，就，沒法算了。。。如果用Linux版，這一時長就取決於兩個點：本地擁有的資源數量和IT能力的高低。1. 基於現實條件，怎麼快速達成用LeDock跑20萬分子對接任務這個目標？2. 能不能使用更友好的圖形界面來進行操作？甚至把一些工作流程固定，下次直接就能用，還可以分享給同事？
1、能否讓用戶擁有Windows版和Linux版的雙重優點，不用寫代碼，也能實現大規模虛擬篩選？2、LeDock任務能否在fastone雲平台大規模運行且效率顯著提升？3、用戶很多常見複雜的手動操作，能不能自動化進行？
產品類型：
速石FCC-E產品
操作系統及應用：
LeDockLinux版
適用場景：
研究配體和受體（藥物分子）相互作用的模擬方法
本任務屬於CPU密集型任務，對內存的需求不高，因此我們選擇了高性價比的雲端計算優化型實例（CPU/內存=1:2）。用戶打開應用，提交蛋白質pdb文件，選擇分子庫文件和資源後，由fastone平台進行分子對接並打分，用戶可直接查看結果，提取目標分子，進行下一步化合物研究。
對接開始前，用戶除了蛋白質pdb文件，還需要準備分子庫文件。分子庫大多來自海外，其本身的大小和數據質量，直接影響着後續虛擬篩選階段的命中率。對用戶來說，需要將分子庫從外網下載到本地，有些數據量動輒幾十T，如果還涉及分子結構從2D轉換到3D等複雜處理，運算量相當大，要麼耗時間，要麼耗錢。我們已經準備好開箱即用的分子庫供用戶使用，包括：Zinc、DrugBank、Maybridge、Enamine等。
因為LeDock僅支持mol2格式，fastone平台會在對接前，自動將sdf格式轉換成多分子mol2格式文件，同時完成拆分，使單個分子對應一個mol2文件。否則，直接把多分子mol2文件放進去對接，只會讀取第一個分子。用戶篩選完分子後，還要在20萬個分子的原始庫里迅速定位並提取出來。這難度不亞於只知道書名但要在圖書館裡找書，茫茫書海，大海撈針。這套索引和圖書館索引系統類似，將原始分子名字通過加密轉換成唯一ID， ID相當於GPS定位，表示該分子在原始庫里的具體位置。比如，某分子的唯一ID為「A-G22-18578」，即表示他位於分子庫A區G22櫃的第18578個，可以輕鬆將分子提取出來。
這道索引系統相當於為原始分子庫做了一道數據加密和定位系統，除了用戶沒人知道最終提取出來的是哪些分子，既保護了數據的安全性，又讓用戶能迅速定位到某個分子。用戶使用fastone平台，在雲端調度768核計算資源，成功對接200000個分子，從中篩選出了300個分子，進行下一步的化合物研究。此次任務對接共耗時3.5小時，平均對接一個分子只需45S。這裡要說明一下，這個45S不是純分子對接時間，是包括了用戶的整個工作流程所有操作在內的。而且，不同分子之間的對接時長是不一樣的，時間會被對接得慢的分子拉長，無法直接橫向對比。比如用戶在進行3萬分子對接的時候，平均時長卻達到了90S。1.雲端調度48核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時3262.6分鐘；2. 雲端調度96核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時1630.8分鐘；3. 雲端調度192核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時815.1分鐘；4. 雲端調度384核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時407.2分鐘；5. 雲端調度768核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時203.3分鐘。
從圖上可以看出，LeDock任務在雲端的線性擴展性表現良好，當雲端資源增加到768核之後，運算時間縮短到了3個多小時，極大地提升了運行效率。即使當分子數量增加到2800萬這個量級，我們調用10萬核CPU資源，在AutoDock Vina這個應用上也同樣表現優秀，可參考《提速2920倍！用AutoDock Vina對接2800萬個分子》我們把跑分子對接這個任務分成三種不同的IT難度等級：想要對三種難度等級深入了解，看這裡《揭秘20000個VCS任務背後的「搬桌子」系列故事》如果按照「沒有難度」這個等級，200000個分子串行排隊，一個任務跑1分鐘，我們開頭已經算過了，基本沒什麼現實可操作性。我們直接將你帶飛到「王者難度」，在n台n核的機器上跑，效率提升n*n倍，理論上n可以無限大。這個數字用戶可以自行設定。
怎麼把一些工作流程固定，不用一次次重新設定，下次直接一鍵使用。甚至還可以分享給其他同事，提高大家的工作效率？我們將用戶跑LeDock的工作流程固定成一套模板：step 3：fastone平台自動將sdf格式轉換為mol2格式分子庫文件；step 4：fastone平台自動進行多分子拆分；step 5：fastone平台將蛋白質、參數文件與mol2格式分子進行對接；step 6：fastone平台掃描所有已完成對接的分子，進行打分；step 8：用戶篩選並從分子庫里提取出分子，進行下一步化合物研究。用戶在這個模板的基礎上，自行調整各項參數，就能按這個流程一路跑下去了。一次設定，反覆使用，省時省力，還不用擔心以後不小心出錯。這套自定義模板不但能分享，還可以跨應用設定，可以展開看看《1分鐘告訴你用MOE模擬200000個分子要花多少錢》第一，用戶上傳配置文件的同時，速石平台內置的檢查程序，會自動檢查文件完整性。每個步驟需要用到的文件量很可能不一致，如果用戶運行到第五六步了，才發現某個上傳文件有問題，應該會非常崩潰。第二，對接完成後，我們會對完成打分的文件數和初始文件庫做日誌校驗，看數據是否有丟失。平常情況下，用戶可能很難察覺。在這種大規模任務下，自動檢查程序能大大降低用戶任務返工率，以及協助用戶判斷運行過程中是否有問題。有些問題靠人力可能無力檢查。放着機器通宵跑任務時總會幻想：第二天一早，任務已經跑完了，完美。
一般任務數量越多，失敗的任務數量大概率也會變多，比如對接1萬個分子，有可能會有50個失敗任務；20萬個分子，可能有1000個失敗任務。第二種：每個任務間有明確的先後處理順序，必須從A任務按序跑到Z。自動檢查任務狀態並對失敗任務及時重複提交的功能，就是這種場景的克星，尤其是第二種，不然等待着你的，大概就是通宵，同時睜大你的雙眼了。我們的任務監控告警功能，還會時刻監控任務狀態，通過IM及時通知用戶，任務出現異常或已經完成。我們還見到過一種特殊情況，Amber用GPU跑任務速度快，CPU較慢，但使用GPU計算時存在10%-15%的失敗概率。一旦任務失敗，需要調度CPU重新計算。能否及時且自動地處理失敗任務，將極大影響運算周期。如果想了解我們怎麼應對的，請點擊《155個GPU！多雲場景下的Amber自由能計算》1、LeDock 大規模雲端篩選毫無壓力，運行效率呈線性顯著提升；2、fastone平台能提供開箱即用，且能一鍵定位&加密的分子庫；3、fastone 能為用戶定製自定義模板，一次設定，反覆使用，界面友好；4、fastone平台提供的自動化檢查程序和重複提交任務功能，極大降低用戶的工作量；5、用戶在20萬個分子對接任務中，篩選出了300個分子，進行下一步的化合物研究工作。關於fastone雲平台在其他應用上的表現，可以點擊以下應用名稱查看：HSPICE│Bladed│Vina│OPC│Fluent│Amber│VCS│LS-DYNA│MOE│Virtuoso│COMSOL
Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？1分鐘告訴你用MOE模擬200000個分子要花多少錢LS-DYNA求解效率深度測評 │ 六種規模，本地VS雲端5種不同硬件配置揭秘20000個VCS任務背後的「搬桌子」系列故事怎麼把需要45天的突發性Fluent仿真計算縮短到4天之內？提速2920倍！用AutoDock Vina對接2800萬個分子從4天到1.75小時，如何讓Bladed仿真效率提升55倍？從30天到17小時，如何讓HSPICE仿真效率提升42倍？Uni-FEP on fastone｜速石科技攜手深勢科技，助力創新藥物研發提速【2021版】全球44家頂尖藥企AI輔助藥物研發行動白皮書花費4小時5500美元，速石科技躋身全球超算TOP500【大白話】帶你一次搞懂速石科技三大產品：FCC、FCC-E、FCP
鑽石舞台 發表在 痞客邦 留言(0) 人氣()
留言列表
留言列表