ru_crunching | Entries tagged with open source

Уважаемые участники,

Желаем вам счастливого Рождества и счастливого Нового года!

С вашей помощью мы выполнили большое количество компьютерного моделирования. Мы собираемся продолжать и верим, что результаты приведут к прогрессу в разработке лекарств! На данный момент у нас есть новый выпуск CmDock, и мы будем использовать его, начиная со следующей цели. Вот иллюстрация моделирования, выполненного в проекте, визуализированная с помощью PyMOL. Вы видите большую молекулу (это мишень, белок TMPRSS2) с молекулой во много раз меньшей. Малые молекулы являются лигандами, каждая из них может взаимодействовать с мишенью по-своему, со своей энергией связи.

Чем точнее лиганд связывается с мишенью, тем выше шанс, что он сможет изменить функционирование большой молекулы. Например, показанный на изображении фермент TMPRSS2 необходим для химической реакции, позволяющей коронавирусу проникнуть в клетки организма и, соответственно, вещество, способное подавить нормальную работу этого фермента, может затруднить или заблокировать распространение коронавируса. В ходе моделирования на ваших компьютерах тестируются различные лиганды из библиотеки, и лучшие из них отбираются для обработки на следующих этапах разработки лекарств.

Всего наилучшего,
Наталья, Марко, иней, Чртомир

на англ.

paroh

Уважаемое сообщество SiDock@home,

CmDock 0.2.0 выпущен:

-Кроссплатформенный генератор случайных чисел (индивидуальная реализация функций плотности вероятности); определен новый переключатель -x, который включает эту функцию.
-Конвейер CI с регрессионным тестированием
-регистрация в cmcavity
-cmcavity Реализация объемов полостей в InsightII (-I) или MRC 2014 (-M)
-Полное картирование поверхности белка
-Плагин Pymol GUI для ваших демо/обучения/визуализации/исследовательских проектов;)

Вы можете получить его по адресу:
https://gitlab.com/Jukic/cmdock/

С праздником всех!
, и всем здоровья!

Команда Марко и CmDock и команда SiDock@home

на англ.

paroh

Привет всем.

В рамках докладов о молекулярном моделировании и открытии лекарств (M2D2), организованных лабораторией Valence Discovery, Томас Коши выступил с презентацией нашей работы. Это видео предназначено для исследователей, но Томас, как всегда, прилагает усилия для популяризации предмета. Надеюсь, вам понравится!

Watch on YouTube

Ваше здоровье,
Бенуа

на англ.

EvoMol on github

paroh

ям

Команда OPN разрабатывает инструменты с открытым исходным кодом, которые помогают улучшить прогнозы, выполняемые в WCG и приносят пользу исследователям во всем мире.

Проект: OpenPandemics - COVID-19

Опубликовано: 9 дек 2021 г.

Предистория

OpenPandemics - COVID-19 был создан, чтобы помочь ускорить поиск новых кандидатов для разработки противовирусных препаратов COVID-19. Цель проекта - с помощью компьютерного моделирования определить малые молекулы, связывающиеся с белками SARS-CoV-2. Наиболее перспективные молекулы отбираются для тестирования в лабораториях соавторов исследовательской группы. Молекулы с подтвержденной экспериментальной активностью станут отправной точкой для разработки потенциальных лекарств.

В настоящее время есть две малые молекулы, которые были протестированы на людях для лечения COVID-19 и показали хорошие результаты: молупиравир и ритонавир. Возникновение лекарственной устойчивости к существующим противовирусным препаратам, как это происходит с ВИЧ, можно решить с помощью множества различных противовирусных препаратов. Для этого наличие множества альтернатив для создания различных противовирусных препаратов будет иметь решающее значение для преодоления резистентности и решения проблем, которые могут представлять новые варианты SARS-CoV2.

Инструменты с открытым исходным кодом

Исследовательская группа активно создает программное обеспечение с открытым исходным кодом, чтобы помочь другим ученым, выполняющим компьютерное моделирование, поддерживать проекты по открытию лекарств. Например, новые функции, такие как гибкие остатки, изменяемые парные потенциалы и анализ контактов, которые были добавлены в последних двух выпусках стыковочного движка AutoDock-GPU (v1.4 и v1.5), были разработаны специально для удовлетворения потребностей, возникших в ходе крупномасштабного проекта, такого как OpenPandemics - COVID-19, но принесет пользу всему сообществу исследователей, использующих эти инструменты.

Эффективное разделение работы между процессором и графическим процессором

Сложность поиска стыковки и, соответственно, соответствующего количества оценок, необходимых для получения хороших режимов связывания, возрастает экспоненциально с увеличением количества вращаемых связей в каждой молекуле.
Это увеличение количества оценок менее резкое для AutoDock-GPU (AD-GPU), чем для AutoDock4 (AD4), из-за лучшего алгоритма поиска (Adadelta), реализованного в AD-GPU. И AD-GPU, и AD4 легко состыковывают простые молекулы с небольшим количеством вращающихся связей. Однако только AD-GPU способен эффективно стыковать сложные молекулы. Таким образом, чтобы улучшить общую производительность WCG OPN, начиная с пакетов OPNG_0087175 и OPN1_0063952, AutoDock4 стыковывает молекулы с шестью или меньшим числом вращающихся связей, а AutoDock-GPU стыкует молекулы с семью или более вращающимися связями. В результате улучшается общая пропускная способность, а также качество прогнозирования.

Лабораторное тестирование

На момент этого новости было заказано почти 300 соединений и сейчас идет еще один раунд отбора с целью увеличения этого числа. Испытания этих соединений продолжаются в сотрудничающих лабораториях.
Для некоторых соединений продолжается дальнейшая проверка первоначальных многообещающих результатов и команда осторожно воодушевлена полученными данными и работает над включением структурной информации, собранной к настоящему времени, чтобы информировать об анализе новых результатов стыковки, полученных от добровольцев.

на англ.

paroh

29 июля 2021 г.

Джон Ходера

Sprint 10 направлен на то, чтобы помочь оптимизировать заменитель кармана P1 для решения проблем метаболизма с нашими лучшими в настоящее время ведущими соединениями.

COVID Moonshot: международные усилия по открытию противовирусного препарата COVID

В последнее время мы молчим, но это потому, что мы работали без перерыва, чтобы помочь команде COVID Moonshot продолжить быстрые циклы итераций в направлении создания мощного и безопасного перорального противовирусного препарата, который будет дополнять вакцины и терапевтические препараты на основе антител, чтобы довести пандемию COVID-19 до завершения. Мы добились большого прогресса - подробнее об этом чуть позже, - но все еще стремимся к финишу, чтобы производить доклинические препараты-кандидаты, которые пройдут весь путь через доклинические исследования, которые позволят им войти в клинические испытания на людях. Возможно, вы заметили, что наша таблица лидеров по активности соединений полна сильнодействующих соединений. Мы изготовили и протестировали около 1500 соединений и решили сотни структур.

Сегодня мы запустили COVID Moonshot Sprint 10, цель которого - помочь определить соединения, которые продлят период полужизни соединений в крови после перорального приема. В то время как наши текущие рекомендации кажутся мощными и безопасными и эффективными даже против появляющихся вариантов, нам необходимо определить альтернативные заместители в участке P1, которые будут дольше сохраняться в кровотоке, чтобы обеспечить пероральное дозирование только 2–3 раза в день. Этот спринт начинается с ADA-UCB-6c2cb422-1 (с рентгеновской структурой x10959) и ищет возможности заменить хинолиновое кольцо, которое находится в кармане протеазы P1. Мы оцениваем около 800 представленных альтернативных дизайнов, а также оцениваем, помогает ли удерживание каркаса в кармане для привязки ретроспективной точности.

ADA-UCB-6c2cb422-1 (с рентгеновской структурой x109) в главном активном участке вирусной протеазы. Хинолиновое кольцо, которое мы стремимся заменить альтернативным фрагментом, находится справа, в кармане P1.

За прошедшие 6–9 спринты мы внесли ряд обновлений. Мы улучшили наши алгоритмы сопоставления атомов в рамках выпуска исправлений 0.9.1 с открытым исходным кодом, которые исправляют проблемы с ошибочными сопоставлениями, ведущими к неверным прогнозам. Мы думаем, что это значительно улучшит качество наших прогнозов.

Пример атомного картирования между двумя разными составными конструкциями, которые разделяют некоторые общие части молекулы. Здесь атомы с номерами указывают на то, что атом слева преобразован в соответствующий атом справа, в то время как цветные атомы удаляются или создаются во время преобразования.

В новом ядре core22 0.0.14 теперь используется последняя и самая быстрая версия нашего пакета молекулярного моделирования с открытым исходным кодом OpenMM 7.5.1 с GPU-ускорением. Это также позволяет нам вернуться к использованию временных шагов 4 фс, что действительно проносятся с криком на графических процессорах последнего поколения, позволяя нам выполнять эти вычисления почти вдвое быстрее, чем раньше.

Теперь, когда мы немного справились с задолженностью по инфраструктуре и на борту появилось больше людей, способных помочь нашим усилиям, в ближайшие несколько недель у нас будет много дополнительных улучшений, а также более важные дела в будущем! Следите за обновлениями через несколько дней.

Вы можете следить за прогрессом на страницах панели мониторинга COVID Moonshot Science, которые все еще развиваются:

Sprint 10 Science Dashboard – restrained calculations
Sprint 10 Science Dashboard – unrestrained calculations

на англ.

paroh

емного 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.

paroh

6 апреля 2021 г.

Краткое содержание

Программное обеспечение OpenPandemics - COVID-19 адаптировано для использования мощности графического процессора. Это не только поможет исследователям проверять больше молекул, но также может помочь им изучить более сложные молекулы.

В течение нескольких месяцев исследователи OpenPandemics - COVID-19 из лаборатории Forli в Scripps Research и техническая группа World Community Grid работали за кулисами, чтобы адаптировать AutoDock 4, программное обеспечение, лежащее в основе проекта, для использования на устройствах с графическими процессорами (GPU).

Во время бета-тестирования мы обнаружили, что рабочие блоки, работающие на графических процессорах добровольцев, выполняли в среднем в 500 раз быстрее (затраченное время графического процессора по сравнению с временем процессора), чем такой же объем работы, когда он выполнялся с использованием версии AutoDock для процессора.

Что такое графический процессор?

Графический процессор (GPU) - это другое название видеокарты внутри компьютера, которая изначально использовалась для отображения текста и изображений на мониторе. По мере развития графических процессоров они приобрели огромную мощность параллельной обработки. Первоначально это было побочным продуктом ускорения специализированных вычислений, связанных с графикой, но со временем производители расширили эти возможности, чтобы они позволяли выполнять вычисления общего назначения. Как следствие, современные графические процессоры могут выполнять определенные типы вычислений значительно быстрее, чем центральные процессоры (ЦП), которые координируют всю работу на компьютере. Однако, чтобы использовать графический процессор для научных расчетов, приложения должны быть изменены, чтобы иметь возможность использовать высокий уровень параллелизма для эффективного использования вычислительных возможностей графических процессоров.

Если доброволец запускает OpenPandemics - COVID-19 на устройстве с подходящим графическим процессором и соответствующим образом корректирует свои настройки, это устройство может выполнять рабочие единицы гораздо быстрее, чем устройство, использующее только центральный процессор.

Почему так важно увеличивать скорость этого проекта?

AutoDock-GPU (AD-GPU) может еще больше увеличить шансы проекта на обнаружение молекулы с антивирусными свойствами.

По сравнению с AutoDock 4 (текущая версия программного обеспечения, используемого для OpenPandemics - COVID-19), AD-GPU намного быстрее, что значительно повысит и без того потрясающую скорость стыковки результатов.

Кроме того, AD-GPU имеет улучшенный алгоритм поиска, который демонстрирует большую вероятность обнаружения сильных взаимодействий между молекулами и вирусными белками и хорошо подходит для стыковки более крупных или более сложных молекул. Это означает, что исследователи могут использовать AD-GPU не только для проверки большего количества молекул, но и для поиска более сложных молекул.

Сравнение GPU OpenPandemics и CPU для первоначально ориентированных на CPU пакетов 30010-30019, запущенных во время бета-тестирования. Среднее количество дней для завершения одного всего пакета (синие столбцы) показано со средними баллами за пакет (оранжевые столбцы). Общее среднее ускорение составило 334 раза (максимальное наблюдаемое - 516 раз). Общее среднее количество баллов за партию свидетельствует об увеличении алгоритмической эффективности графического процессора в 1,6 раза. Эта повышенная эффективность будет использоваться в пакетах, ориентированных на GPU, и приведет к гораздо более высоким баллам за пакет GPU.

Больше молекул, более сложные молекулы и за меньшее время... все это имеет решающее значение для поиска потенциальных методов лечения вируса, который не только все еще распространяется в большей части мира, но и продолжает мутировать.

Так важны ли для этого проекта устройства без графических процессоров?

Да! В настоящее время только около 20 процентов мощности World Community Grid поступает от устройств с графическим процессором, поэтому участие каждого желающего компьютера с процессором, устройства Android и Raspberry Pi остается решающим.

Спасибо всем, кто поддерживает OpenPandemics - COVID-19!

Чтобы узнать больше о мощности графического процессора для этого проекта, в том числе о том, как сделать так, чтобы ваше устройство с графическим процессором могло участвовать в нем, посетите наши часто задаваемые вопросы о графических процессорах.

на англ.

paroh

Официальный релиз CurieDock (CMDock v 0.1.1) для windows, linux и arm (raspberry pi):

https://gitlab.com/Jukic/cmdock/-/releases

paroh

14 сен 2020

Кратко
AutoDock, программа, на которой работает OpenPandemics и другие проекты World Community Grid, была создана 30 лет назад в Scripps Research. Узнайте больше об этом мощном программном обеспечении в этой статье и в прилагаемой недавно опубликованной исследовательской статье.

На изображении выше, созданном с помощью Python Molecular Viewer, показан результат моделирования стыковки молекул, выполненного с помощью AutoDock.

Вычислительные научные исследования были другой областью несколько десятилетий назад, во многом из-за ограниченности места для хранения данных и компьютерной инфраструктуры. Но по мере того, как поиск новых и более эффективных методов лечения таких заболеваний, как СПИД, становился все более актуальным, ученые из Scripps Research создали первую версию AutoDock в начале 1990-х годов.

Сегодня AutoDock используется в многочисленных научных исследованиях в учреждениях и фармацевтических компаниях по всему миру, в том числе в проектах World Community Grid FightAIDS@Home и OpenPandemics - COVID-19. Хотя оба этих проекта сосредоточены на поиске способов лечения СПИДа и COVID-19 соответственно, AutoDock также использовался в исследованиях методологии разработки лекарств (или способов лечения).

AutoDock был усовершенствован и улучшен за последние три десятилетия. Многие из этих изменений описаны в специальной статье об истории и эволюции AutoDock в журнале Protein Science. Вы можете прочитать всю статью здесь.

Спасибо всем волонтерам, которые поддержали FightAIDS@Home, OpenPandemics - COVID-19 и другие проекты, которые ищут новые и лучшие методы лечения.

на англ