[论文解读] Large Scale In Silico Screening on Grid Infrastructures

Nicolas Jacq, Vincent Breton+18 more|arXiv (Cornell University)|Nov 17, 2006

Genetics, Bioinformatics, and Biomedical Research参考文献 17被引用 5

一句话总结

本文介绍了一项基于网格计算基础设施的大规模体外药物筛选活动，展示了针对疟疾和禽流感等被忽视疾病进行虚拟筛选的可行性。通过利用 EGEE、Auvergrid 和 TWGrid，作者实现了相当于 105 年的 CPU 计算时间，验证了网格计算作为分子对接在药物发现中可扩展解决方案的有效性。

ABSTRACT

Large-scale grid infrastructures for in silico drug discovery open opportunities of particular interest to neglected and emerging diseases. In 2005 and 2006, we have been able to deploy large scale in silico docking within the framework of the WISDOM initiative against Malaria and Avian Flu requiring about 105 years of CPU on the EGEE, Auvergrid and TWGrid infrastructures. These achievements demonstrated the relevance of large-scale grid infrastructures for the virtual screening by molecular docking. This also allowed evaluating the performances of the grid infrastructures and to identify specific issues raised by large-scale deployment.

研究动机与目标

• 评估利用分布式网格计算进行大规模体外药物筛选在被忽视疾病和新发疾病中的可行性。
• 评估网格基础设施在处理计算密集型分子对接任务时的性能和可扩展性。
• 识别并解决在异构网格环境中大规模部署时出现的具体技术挑战。
• 展示网格计算在疟疾和禽流感虚拟筛选中的实际应用。
• 为未来利用分布式计算开展大规模体外药物发现计划提供基准参考。

提出的方法

• 利用 WISDOM 计划框架，协调在多个网格基础设施上进行的大规模分子对接。
• 在 EGEE、Auvergrid 和 TWGrid 上部署体外筛选工作流，整合异构计算资源。
• 使用标准分子对接软件，评估化合物库与靶标蛋白的结合亲和力。
• 在地理分布的网格节点之间实施作业分发和负载均衡，以最大化吞吐量。
• 使用溯源跟踪和监控工具，确保分布式计算的可重现性和性能评估。
• 集成容错机制，以应对大规模分布式环境中可能出现的间歇性故障。

实验结果

研究问题

• RQ1 网格计算基础设施能否有效支持针对被忽视疾病的大型规模体外药物筛选？
• RQ2 在异构网格环境中，分子对接工作流可实现的计算吞吐量和可扩展性如何？
• RQ3 在生产级网格基础设施上进行大规模部署时，会浮现哪些性能瓶颈和操作挑战？
• RQ4 与传统 HPC 集群相比，基于网格的虚拟筛选在成本和资源利用率方面表现如何？
• RQ5 为维持长期运行、计算密集型的筛选活动，需要哪些系统级需求和优化措施？

主要发现

• 该项目成功在 EGEE、Auvergrid 和 TWGrid 基础设施上实现了相当于约 105 年 CPU 计算时间的体外筛选。
• 该部署表明，网格计算是大规模虚拟筛选在药物发现中可行且可扩展的平台。
• 性能评估显示，网格基础设施能够以可接受的效率处理复杂且长期运行的分子对接工作负载。
• 识别出特定挑战，如作业调度、数据传输开销和容错能力，是大规模使用网格时的关键操作问题。
• 结果验证了 WISDOM 计划方法的有效性，并为未来大规模体外筛选活动奠定了基础。
• 本研究强调了标准化工作流和监控工具在确保分布式环境中可重现性和性能追踪方面的重要性。