![[community profile]](https://www.dreamwidth.org/img/silk/identity/community.png){kind=small}
![[personal profile]](https://www.dreamwidth.org/img/silk/identity/user.png){kind=small}
parohемного тестирования
8 июля 2021 г.
Краткое содержание
Недавний стресс-тест World Community Grid позволил исследователям быстро запустить моделирование 300 миллионов малых молекул.
Предистория
OpenPandemics - COVID-19 был создан, чтобы ускорить поиск потенциальных методов лечения COVID-19. Проект также направлен на создание набора инструментов с открытым исходным кодом для быстрого реагирования, который может помочь всем ученым быстро искать методы лечения в случае будущих пандемий.
В конце 2020 года мы объявили о выборе 70 соединений (из первоначальной группы примерно 20000), которые могут быть многообещающими для исследования в качестве потенциальных ингибиторов вируса, вызывающего COVID-19. В настоящее время проводятся лабораторные испытания некоторых из этих соединений (подробности см. в конце этого отчета).
В конце апреля - начале мая мы предоставили World Community Grid примерно 30 000 партий рабочих модулей GPU. Это было частью стресс-теста инфраструктуры World Community Grid и анализа текущего потока данных и быстро сгенерировало для нас очень большой объем данных.
Что мы узнали из недавнего стресс-теста?
Стресс-тест стал отличным упражнением для выявления узких мест в нашем рабочем процессе. Из-за почти невероятной интенсивности возвращаемых результатов - что эквивалентно примерно 3/4 количества результатов CPU за один год за одну неделю - для нас стало очевидно, что основным узким местом является то, что мы внутри себя называем «регидратацией/анализом». Это шаг, на котором мы преобразуем так называемый «геном», описывающий положение, вращение и торсионное состояние данного результата стыковки, в координаты атома xyz и выполняем анализ.
Стресс-тест побудил нас разработать значительную оптимизацию нашего кода для версии с графическим процессором. Эти оптимизации ускорили регидратацию/анализ более чем в десять раз, что привело к общему ускорению нашего рабочего процесса в 5 раз. Эти оптимизации выстроены в очередь для включения в наш основной исходный код на странице AutoDock-GPU GitHub и будут доступны для всего сообщества, что принесет пользу всем исследователям, использующим наш код для своих симуляций.
Цели, запущенные в настоящее время в World Community Grid
В настоящее время все вычисления сосредоточены на спайк-белке вируса SARS-CoV2. Первыми рабочими единицами, нацеленными на спайк, был «стресс-тест», который состыковал около 300 миллионов малых молекул с одним из многих возможных сайтов связывания. Впоследствии мы нацелились на несколько возможных связывающих карманов как с реактивными, так и с инертными молекулами.
Реактивные молекулы содержат химическую группу, способную избирательно реагировать с аминокислотами тирозина или лизина (которые являются обычными строительными блоками белков) с использованием определенного типа химии серы (сульфонилфторидный обмен, SuFEx). Если какая-либо из этих молекул действительно связывается со спайковым белком, это может препятствовать проникновению вируса в клетки человека и, в свою очередь, замедлять репликацию вируса.
Текущие испытания соединений
В нашем анализе мы отфильтровали необработанные результаты стыковки, чтобы определить наиболее многообещающие соединения, которые будут синтезированы и протестированы в биологических анализах. В ходе этого процесса количество результатов сократилось с сотен миллионов молекул до нескольких десятков, которые показали наиболее интересные паттерны взаимодействия с вирусными энзимами.
Вместе с нашими коллегами из Enamine мы определили те, которые более доступны с помощью синтетической химии, и в конечном итоге выбрали молекулы, которые могут нацеливаться на две основные протеазы вируса SARS-CoV2: 28 для протеазы Plpro и 47 для протеазы Mpro. Енамин быстро синтезировал, очистил и отправил молекулы в наши экспериментальные лаборатории-партнеры в Скриппс, Флорида (лаборатории Гриффина и Койетина) и Университет Эмори (лаборатория Сарафианоса). Как только будут получены биологические результаты, мы поделимся ими с сообществом.
Спасибо всем, кто поддерживает этот проект!
на англ.
8 июля 2021 г.
Краткое содержание
Недавний стресс-тест World Community Grid позволил исследователям быстро запустить моделирование 300 миллионов малых молекул.
Предистория
OpenPandemics - COVID-19 был создан, чтобы ускорить поиск потенциальных методов лечения COVID-19. Проект также направлен на создание набора инструментов с открытым исходным кодом для быстрого реагирования, который может помочь всем ученым быстро искать методы лечения в случае будущих пандемий.
В конце 2020 года мы объявили о выборе 70 соединений (из первоначальной группы примерно 20000), которые могут быть многообещающими для исследования в качестве потенциальных ингибиторов вируса, вызывающего COVID-19. В настоящее время проводятся лабораторные испытания некоторых из этих соединений (подробности см. в конце этого отчета).
В конце апреля - начале мая мы предоставили World Community Grid примерно 30 000 партий рабочих модулей GPU. Это было частью стресс-теста инфраструктуры World Community Grid и анализа текущего потока данных и быстро сгенерировало для нас очень большой объем данных.
Что мы узнали из недавнего стресс-теста?
Стресс-тест стал отличным упражнением для выявления узких мест в нашем рабочем процессе. Из-за почти невероятной интенсивности возвращаемых результатов - что эквивалентно примерно 3/4 количества результатов CPU за один год за одну неделю - для нас стало очевидно, что основным узким местом является то, что мы внутри себя называем «регидратацией/анализом». Это шаг, на котором мы преобразуем так называемый «геном», описывающий положение, вращение и торсионное состояние данного результата стыковки, в координаты атома xyz и выполняем анализ.
Стресс-тест побудил нас разработать значительную оптимизацию нашего кода для версии с графическим процессором. Эти оптимизации ускорили регидратацию/анализ более чем в десять раз, что привело к общему ускорению нашего рабочего процесса в 5 раз. Эти оптимизации выстроены в очередь для включения в наш основной исходный код на странице AutoDock-GPU GitHub и будут доступны для всего сообщества, что принесет пользу всем исследователям, использующим наш код для своих симуляций.
Цели, запущенные в настоящее время в World Community Grid
В настоящее время все вычисления сосредоточены на спайк-белке вируса SARS-CoV2. Первыми рабочими единицами, нацеленными на спайк, был «стресс-тест», который состыковал около 300 миллионов малых молекул с одним из многих возможных сайтов связывания. Впоследствии мы нацелились на несколько возможных связывающих карманов как с реактивными, так и с инертными молекулами.
Реактивные молекулы содержат химическую группу, способную избирательно реагировать с аминокислотами тирозина или лизина (которые являются обычными строительными блоками белков) с использованием определенного типа химии серы (сульфонилфторидный обмен, SuFEx). Если какая-либо из этих молекул действительно связывается со спайковым белком, это может препятствовать проникновению вируса в клетки человека и, в свою очередь, замедлять репликацию вируса.
Текущие испытания соединений
В нашем анализе мы отфильтровали необработанные результаты стыковки, чтобы определить наиболее многообещающие соединения, которые будут синтезированы и протестированы в биологических анализах. В ходе этого процесса количество результатов сократилось с сотен миллионов молекул до нескольких десятков, которые показали наиболее интересные паттерны взаимодействия с вирусными энзимами.
Вместе с нашими коллегами из Enamine мы определили те, которые более доступны с помощью синтетической химии, и в конечном итоге выбрали молекулы, которые могут нацеливаться на две основные протеазы вируса SARS-CoV2: 28 для протеазы Plpro и 47 для протеазы Mpro. Енамин быстро синтезировал, очистил и отправил молекулы в наши экспериментальные лаборатории-партнеры в Скриппс, Флорида (лаборатории Гриффина и Койетина) и Университет Эмори (лаборатория Сарафианоса). Как только будут получены биологические результаты, мы поделимся ими с сообществом.
Спасибо всем, кто поддерживает этот проект!
на англ.
