[论文解读] Folding@home: achievements from over twenty years of citizen science herald the exascale era

Vincent A. Voelz, Vijay S. Pande+1 more|arXiv (Cornell University)|Mar 15, 2023

Genetics, Bioinformatics, and Biomedical Research被引用 4

一句话总结

本文回顾了Folding@home公民科学项目在过去二十年中推动的科学与技术进步，该项目利用分布式计算模拟生物分子动力学。通过整合全球志愿者计算资源——包括GPU加速和百亿亿次规模的性能——该项目推动了对蛋白质折叠、构象动力学及药物发现的理解，尤其在疫情期间显著加速了SARS-CoV-2的研究。

ABSTRACT

Simulations of biomolecules have enormous potential to inform our understanding of biology but require extremely demanding calculations. For over twenty years, the Folding@home distributed computing project has pioneered a massively parallel approach to biomolecular simulation, harnessing the resources of citizen scientists across the globe. Here, we summarize the scientific and technical advances this perspective has enabled. As the project's name implies, the early years of Folding@home focused on driving advances in our understanding of protein folding by developing statistical methods for capturing long-timescale processes and facilitating insight into complex dynamical processes. Success laid a foundation for broadening the scope of Folding@home to address other functionally relevant conformational changes, such as receptor signaling, enzyme dynamics, and ligand binding. Continued algorithmic advances, hardware developments such as GPU-based computing, and the growing scale of Folding@home have enabled the project to focus on new areas where massively parallel sampling can be impactful. While previous work sought to expand toward larger proteins with slower conformational changes, new work focuses on large-scale comparative studies of different protein sequences and chemical compounds to better understand biology and inform the development of small molecule drugs. Progress on these fronts enabled the community to pivot quickly in response to the COVID-19 pandemic, expanding to become the world's first exascale computer and deploying this massive resource to provide insight into the inner workings of the SARS-CoV-2 virus and aid the development of new antivirals. This success provides a glimpse of what's to come as exascale supercomputers come online, and Folding@home continues its work.

研究动机与目标

• 总结Folding@home在过去二十多年分布式计算中取得的科学与技术里程碑。
• 突出该项目从蛋白质折叠模拟发展到更广泛的应用领域，如构象动力学与药物开发的演变过程。
• 展示公民科学与百亿亿次规模计算如何实现对SARS-CoV-2疫情的快速响应。
• 阐明算法创新与硬件演进（尤其是GPU）在扩展生物分子模拟规模中的作用。
• 将Folding@home定位为百亿亿次时代大规模、社区驱动科学发现的典范。

提出的方法

• 采用分布式计算模式，汇聚全球志愿者个人设备的计算能力。
• 实施先进的采样算法，以模拟蛋白质折叠和构象变化等长时间尺度的生物分子过程。
• 利用基于GPU的计算，显著加速分子动力学模拟，超越传统CPU方法的性能。
• 应用大规模并行采样技术，研究各类体系，包括受体、酶及配体结合事件。
• 将模拟规模扩展至包含大规模蛋白质序列与小分子的比较研究，以支持药物发现。
• 在COVID-19疫情期间迅速重构计算资源，用于模拟SARS-CoV-2病毒蛋白并支持抗病毒药物开发。

实验结果

研究问题

• RQ1 过去二十年中，公民科学如何实现大规模生物分子模拟？
• RQ2 哪些技术和算法创新使Folding@home能够大规模模拟复杂的生物分子动力学？
• RQ3 Folding@home在疫情期间如何促进对SARS-CoV-2的理解并加速抗病毒药物开发？
• RQ4 基于GPU的计算与分布式架构在实现生物模拟的百亿亿次性能水平中发挥何种作用？
• RQ5 大规模并行采样方法如何应用于蛋白质序列与化学化合物的比较研究，以支持药物发现？

主要发现

• 通过汇聚全球超过两百万台志愿者设备的资源，Folding@home已实现百亿亿次规模的计算性能。
• 该项目实现了对蛋白质折叠与构象变化的详细模拟，揭示了长时间尺度生物过程的深层机制。
• 在COVID-19疫情期间，Folding@home迅速转向模拟SARS-CoV-2刺突蛋白动力学及其他病毒组分，为抗病毒研究作出贡献。
• 研究证明，分布式计算可实现与专用百亿亿次超级计算机相当的性能水平，从而支持大规模蛋白质序列与配体的比较研究。
• 增强采样算法的进步与GPU加速的结合，使此前难以实现的更大、更复杂的生物分子系统模拟成为可能。
• Folding@home在疫情期间的成功凸显了社区驱动科学计算在应对紧迫全球健康挑战方面的巨大潜力。