生信云实证Vol.12:王者带飞LeDock!开箱即用&一键定位分子库+全流程自动化,3.5小时完成20万分子对接

LeDock是苏黎世大学Zhao HongTao在博士期间开发的一款分子对接软件,专为快速准确地将小分子灵活对接到蛋白质而设计。

LeDock优于大部分商业软件,在Astex多样性集合上实现了大于90%的构象预测准确度,对接时间最快仅需三秒。


LeDock同时支持Windows、Linux和MacOS三大操作系统。

Linux版支持大规模虚拟筛选,需要通过代码操作才能实现目标。

Windows版的图形界面极大简化了药物化学家常见多重复杂的对接过程,但每次任务只能对接一个分子,效率极低,只适用于少量对接场景。

如果考虑到不少用户还有分子库相关的需求,无论哪种版本,对用户来说,都有点难搞。

今天我们就通过一个LeDock实证来聊聊,怎么帮助大家愉快地(不写代码)提高大规模分子对接效率(少点手动),甚至还能解决一些别的问题(一些爽点),扩大实验的空间和范围,放飞研发人员的想象力。

科研这件事,还是需要有点儿想象空间的。

用户需求

某药企药物化合部想使用LeDock进行20万分子对接任务,但本地只有两台48核的工作站。

如果按Windows版的一对一串行对接模式,假设按1分钟一个算吧,不吃不喝不睡不关机,也要对接138天。如果再加上中间出错修改参数配置分子库处理,无数次重复手动操作步骤,就,没法算了。。。

如果用Linux版,这一时长就取决于两个点:本地拥有的资源数量和IT能力的高低

所以,他们有以下几个问题:

1. 基于现实条件,怎么快速达成用LeDock跑20万分子对接任务这个目标?

2. 能不能使用更友好的图形界面来进行操作?甚至把一些工作流程固定,下次直接就能用,还可以分享给同事?

3. 能不能帮忙准备分子库?

实证目标

1、能否让用户拥有Windows版和Linux版的双重优点,不用写代码,也能实现大规模虚拟筛选?

2、LeDock任务能否在fastone云平台大规模运行且效率显著提升?

3、用户很多常见复杂的手动操作,能不能自动化进行?

4、是否能为用户提供开箱即用的分子库?

实证参数

产品类型:

速石FCC-E产品

操作系统及应用:

LeDock Linux版

适用场景:

研究配体和受体(药物分子)相互作用的模拟方法

云端硬件配置:本任务属于CPU密集型任务,对内存的需求不高,因此我们选择了高性价比的云端计算优化型实例(CPU/内存=1:2)。


用户完整工作流程图


用户打开应用,提交蛋白质pdb文件,选择分子库文件和资源后,由fastone平台进行分子对接并打分,用户可直接查看结果,提取目标分子,进行下一步化合物研究。

实证过程

一、开箱即用,一键定位&加密的分子库


1. 开箱即用的分子库

对接开始前,用户除了蛋白质pdb文件,还需要准备分子库文件。分子库大多来自海外,其本身的大小和数据质量,直接影响着后续虚拟筛选阶段的命中率。对用户来说,需要将分子库从外网下载到本地,有些数据量动辄几十T,如果还涉及分子结构从2D转换到3D等复杂处理,运算量相当大,要么耗时间,要么耗钱。


我们已经准备好开箱即用的分子库供用户使用,包括:Zinc、DrugBank、Maybridge、Enamine等。

因为LeDock仅支持mol2格式,fastone平台会在对接前,自动将sdf格式转换成多分子mol2格式文件,同时完成拆分,使单个分子对应一个mol2文件。否则,直接把多分子mol2文件放进去对接,只会读取第一个分子。


2. 一键定位&加密的分子库索引系统

用户筛选完分子后,还要在20万个分子的原始库里迅速定位并提取出来。这难度不亚于只知道书名但要在图书馆里找书,茫茫书海,大海捞针。

我们的分子库索引系统就派上了大用场。


这套索引和图书馆索引系统类似,将原始分子名字通过加密转换成唯一ID, ID相当于GPS定位,表示该分子在原始库里的具体位置

比如,某分子的唯一ID为“A-G22-18578”,即表示他位于分子库A区G22柜的第18578个,可以轻松将分子提取出来。

这道索引系统相当于为原始分子库做了一道数据加密和定位系统,除了用户没人知道最终提取出来的是哪些分子,既保护了数据的安全性,又让用户能迅速定位到某个分子。


二、云端大规模业务验证

200000个分子上云


用户使用fastone平台,在云端调度768核计算资源,成功对接200000个分子,从中筛选出了300个分子,进行下一步的化合物研究。此次任务对接共耗时3.5小时,平均对接一个分子只需45S。


这里要说明一下,这个45S不是纯分子对接时间,是包括了用户的整个工作流程所有操作在内的。而且,不同分子之间的对接时长是不一样的,时间会被对接得慢的分子拉长,无法直接横向对比。比如用户在进行3万分子对接的时候,平均时长却达到了90S。


实证过程:

1. 云端调度48核计算优化型实例运算一组LeDock任务(对接约200000个分子),耗时3262.6分钟;

2. 云端调度96核计算优化型实例运算一组LeDock任务(对接约200000个分子),耗时1630.8分钟;

3. 云端调度192核计算优化型实例运算一组LeDock任务(对接约200000个分子),耗时815.1分钟;

4. 云端调度384核计算优化型实例运算一组LeDock任务(对接约200000个分子),耗时407.2分钟;

5. 云端调度768核计算优化型实例运算一组LeDock任务(对接约200000个分子),耗时203.3分钟。

从图上可以看出,LeDock任务在云端的线性扩展性表现良好,当云端资源增加到768核之后,运算时间缩短到了3个多小时,极大地提升了运行效率。


即使当分子数量增加到2800万这个量级,我们调用10万核CPU资源,在AutoDock Vina这个应用上也同样表现优秀,可参考《提速2920倍!用AutoDock Vina对接2800万个分子》


三、自动,自动,全是自动


1. 单机模式VS并行化

我们把跑分子对接这个任务分成三种不同的IT难度等级 :

没有难度:单机单CPU核,单任务。

中等难度:单机多CPU核,多任务。

王者难度:多机多CPU核,多任务。


想要对三种难度等级深入了解,看这里《揭秘20000个VCS任务背后的“搬桌子”系列故事》


如果按照“没有难度”这个等级,200000个分子串行排队,一个任务跑1分钟,我们开头已经算过了,基本没什么现实可操作性。


我们直接将你带飞到"王者难度",在n台n核的机器上跑,效率提升n*n倍,理论上n可以无限大。这个数字用户可以自行设定。

2.    一次设定,跑完20万个任务

怎么把一些工作流程固定,不用一次次重新设定,下次直接一键使用。甚至还可以分享给其他同事,提高大家的工作效率

到了速石传统艺能项目—自定义模板出马的时候了。


我们将用户跑LeDock的工作流程固定成一套模板:

step 1:用户提交蛋白质pdb文件;

step 2:用户选择sdf格式分子库文件;

step 3:fastone平台自动将sdf格式转换为mol2格式分子库文件;

step 4:fastone平台自动进行多分子拆分;

step 5:fastone平台将蛋白质、参数文件与mol2格式分子进行对接;

step 6:fastone平台扫描所有已完成对接的分子,进行打分;

step 7:用户查看打分结果;

step 8:用户筛选并从分子库里提取出分子,进行下一步化合物研究。


用户在这个模板的基础上,自行调整各项参数,就能按这个流程一路跑下去了。

一次设定,反复使用,省时省力,还不用担心以后不小心出错。


这套自定义模板不但能分享,还可以跨应用设定,可以展开看看《1分钟告诉你用MOE模拟200000个分子要花多少钱》


3.  自动检查文件完整性

这个自动检查包括两个部分:

第一,用户上传配置文件的同时,速石平台内置的检查程序,会自动检查文件完整性

每个步骤需要用到的文件量很可能不一致,如果用户运行到第五六步了,才发现某个上传文件有问题,应该会非常崩溃。

第二,对接完成后,我们会对完成打分的文件数和初始文件库做日志校验看数据是否有丢失。平常情况下,用户可能很难察觉。


在这种大规模任务下,自动检查程序能大大降低用户任务返工率,以及协助用户判断运行过程中是否有问题。有些问题靠人力可能无力检查。

4. 两种场景下的重复提交任务功能和自动监控告警

放着机器通宵跑任务时总会幻想:第二天一早,任务已经跑完了,完美。

现实是:任务才跑了10%。

任务出错,进度条卡住,可能会有两种情形:

第一种:每个任务之间独立,彼此没有关联。

一般任务数量越多,失败的任务数量大概率也会变多,比如对接1万个分子,有可能会有50个失败任务;20万个分子,可能有1000个失败任务。

第二种:每个任务间有明确的先后处理顺序,必须从A任务按序跑到Z。

假如到F任务就失败了,整个任务就此停滞,凉凉。


自动检查任务状态并对失败任务及时重复提交的功能,就是这种场景的克星,尤其是第二种,不然等待着你的,大概就是通宵,同时睁大你的双眼了。我们的任务监控告警功能,还会时刻监控任务状态,通过IM及时通知用户,任务出现异常或已经完成。

我们还见到过一种特殊情况,Amber用GPU跑任务速度快,CPU较慢,但使用GPU计算时存在10%-15%的失败概率。一旦任务失败,需要调度CPU重新计算。

能否及时且自动地处理失败任务,将极大影响运算周期。如果想了解我们怎么应对的,请点击《155个GPU!多云场景下的Amber自由能计算》

实证小结

1、LeDock 大规模云端筛选毫无压力,运行效率呈线性显著提升;

2、fastone平台能提供开箱即用,且能一键定位&加密的分子库;

3、fastone 能为用户定制自定义模板,一次设定,反复使用,界面友好;

4、fastone平台提供的自动化检查程序和重复提交任务功能,极大降低用户的工作量;

5、用户在20万个分子对接任务中,筛选出了300个分子,进行下一步的化合物研究工作。


本次生信行业云实证系列Vol.12就到这里。


关于fastone云平台在其他应用上的表现,可以点击以下应用名称查看:

HSPICE │ Bladed │ Vina │ OPC │ Fluent │ Amber │ VCS │ MOE │ LS-DYNA  Virtuoso│ COMSOL


- END -

我们有个生物/化学计算云平台
集成多种CAE/CFD应用,大量任务多节点并行
应对短时间爆发性需求,连网即用
跑任务快,原来几个月甚至几年,现在只需几小时
5分钟快速上手,拖拉点选可视化界面,无需代码
支持高级用户直接在云端创建集群


扫码免费试用,送300元体验金,入股不亏~

更多电子书 欢迎扫码关注小F(ID:imfastone)获取

 

你也许想了解具体的落地场景:

这样跑COMSOL,是不是就可以发了Nature Auto-Scale这支仙女棒如何大幅提升Virtuoso仿真效率?
1分钟告诉你用MOE模拟200000个分子要花多少钱
LS-DYNA求解效率深度测评 │ 六种规模,本地VS云端5种不同硬件配置
揭秘20000个VCS任务背后的“搬桌子”系列故事
155个GPU!多云场景下的Amber自由能计算
怎么把需要45天的突发性Fluent仿真计算缩短到4天之内?

5000核大规模OPC上云,效率提升53倍
提速2920倍!用AutoDock Vina对接2800万个分子

从4天到1.75小时,如何让Bladed仿真效率提升55倍?
从30天到17小时,如何让HSPICE仿真效率提升42倍?

关于为应用定义的云平台:

Uni-FEP on fastone|速石科技携手深势科技,助力创新药物研发提速

【2021版】全球44家顶尖药企AI辅助药物研发行动白皮书

创新药研发九死一生,CADD/AIDD是答案吗?

这一届科研计算人赶DDL红宝书:学生篇

AI太笨了……暂时

帮助CXO解惑上云成本的迷思,看这篇就够了

国内超算发展近40年,终于遇到了一个像样的对手

花费4小时5500美元,速石科技跻身全球超算TOP500

【大白话】带你一次搞懂速石科技三大产品:FCC、FCC-E、FCP

相关推荐

发表评论

电子邮件地址不会被公开。 必填项已用*标注

微信扫一扫

微信扫一扫

微信扫一扫,分享到朋友圈

生信云实证Vol.12:王者带飞LeDock!开箱即用&一键定位分子库+全流程自动化,3.5小时完成20万分子对接
返回顶部

显示

忘记密码?

显示

显示

获取验证码

Close