App installieren
How to install the app on iOS
Follow along with the video below to see how to install our site as a web app on your home screen.
Anmerkung: This feature may not be available in some browsers.
Du verwendest einen veralteten Browser. Es ist möglich, dass diese oder andere Websites nicht korrekt angezeigt werden.
Du solltest ein Upgrade durchführen oder ein alternativer Browser verwenden.
Du solltest ein Upgrade durchführen oder ein alternativer Browser verwenden.
Projektnews World Community Grid: Approximately 300 million small molecules run for OpenPandemics - COVID-19 as part of system test
- Ersteller P3D-Bot
- Erstellt am
P3D-Bot
Bot von P3D
The recent stress test run on World Community Grid allowed the researchers to quickly run simulations for 300 million small molecules.
Lese weiter bei worldcommunitygrid.org....
Lese weiter bei worldcommunitygrid.org....
Ritschie
Moderator (DC)
☆☆☆☆☆☆
- Mitglied seit
- 30.12.2010
- Beiträge
- 4.598
- Renomée
- 1.339
- Standort
- /home
- Mitglied der Planet 3DNow! Kavallerie!
- Lieblingsprojekt
- SIMAP; LHC@SixTrack; Einstein@home
- Meine Systeme
- Threadripper 3970X, Threadripper 1950X, Ryzen9 3950X, Ryzen7 1700X, Ryzen3 4300GE
- Mein Laptop
- lenovo ThinkPad E595; AMD Ryzen 5 3500U
- Prozessor
- AMD Threadripper 3970X
- Mainboard
- MSI Creator TRX40
- Kühlung
- Watercool Heatkiller IV, i-PCPS, i-KOM, Watercool HTF4 LT
- Speicher
- 4 x 16 GB G.Skill TridentZ DDR4-3200 CL14
- Grafikprozessor
- AMD Radeon RX 6700 XT
- Display
- 27" Lenovo Legion Y27q-20 WQHD FreeSync
- SSD
- Samsung SSD 970 PRO 512GB, M.2
- Gehäuse
- Cooler Master Cosmos 1000
- Netzteil
- be quiet! DARK POWER PRO P11 550W
- Tastatur
- Ducky Shine 3
- Betriebssystem
- openSUSE Leap
- Webbrowser
- Firefox
Rund 300 Millionen kleine Moleküle laufen für OpenPandemics - COVID-19 als Teil des Systemtests
8. Juli 2021
Zusammenfassung
Der jüngste Stresstestlauf auf dem World Community Grid ermöglichte es den Forschern, schnell Simulationen für 300 Millionen kleine Moleküle durchzuführen.
Hintergrund
OpenPandemics - COVID-19 wurde ins Leben gerufen, um die Suche nach möglichen COVID-19-Behandlungen zu beschleunigen. Das Projekt zielt auch darauf ab, ein reaktionsschnelles, quelloffenes Toolkit aufzubauen, das allen Wissenschaftlern bei der schnellen Suche nach Behandlungen im Falle zukünftiger Pandemien helfen kann.
Ende 2020 gaben wir die Auswahl von 70 Verbindungen (aus einer ursprünglichen Gruppe von ca. 20.000) bekannt, die vielversprechend sein könnten, um als potenzielle Inhibitoren des Virus, das COVID-19 verursacht, untersucht zu werden. Für einige dieser Verbindungen laufen derzeit Labortests (Details siehe am Ende dieses Berichts).
Ende April und Anfang Mai haben wir dem World Community Grid etwa 30.000 Chargen von GPU-Arbeitseinheiten zur Verfügung gestellt. Dies war Teil eines Stresstests der World Community Grid-Infrastruktur und des Analyse-Workflows und generierte für uns schnell eine extrem große Datenmenge.
Was haben wir aus dem jüngsten Stresstest gelernt?
Der Stresstest war eine großartige Übung, um Engpässe in unserem Workflow aufzudecken. Aufgrund der fast unglaublichen Menge an zurückgegebenen Ergebnissen - das Äquivalent von etwa 3/4 der Anzahl der CPU-Ergebnisse eines Jahres in einer Woche - wurde uns klar, dass der größte Engpass das war, was wir intern "Rehydrierung/Analyse" nennen. Dies ist der Schritt, bei dem wir das sogenannte "Genom", das die Lage, die Rotation und den Torsionszustand eines gegebenen Docking-Ergebnisses beschreibt, in xyz-Atomkoordinaten umwandeln und die Analyse durchführen.
Der Stresstest motivierte uns, erhebliche Optimierungen in unserem Code für die GPU-Version zu entwickeln. Diese Optimierungen beschleunigten die Rehydrierung/Analyse um mehr als das Zehnfache, was zu einer Gesamtbeschleunigung unseres Workflows um den Faktor 5 führte. Diese Optimierungen sollen in unseren Mainstream-Code-Quellcode auf der AutoDock-GPU GitHub-Seite einfließen und der gesamten Community zur Verfügung stehen, was allen Forschern zugute kommt, die unseren Code für ihre Simulationen verwenden.
Ziele, die derzeit auf dem World Community Grid laufen
Derzeit konzentrieren sich alle Berechnungen auf das Spike-Protein des SARS-CoV2-Virus. Die ersten Arbeitseinheiten, die auf den Spike abzielten, waren der "Stresstest", bei dem etwa 300 Millionen kleine Moleküle an eine von vielen möglichen Bindungsstellen angedockt wurden. Anschließend haben wir mehrere mögliche Bindungstaschen mit sowohl reaktiven als auch nicht reaktiven Molekülen ins Visier genommen.
Die reaktiven Moleküle enthalten eine chemische Gruppe, die in der Lage ist, selektiv entweder mit Tyrosin- oder Lysin-Aminosäuren (die häufige Bausteine von Proteinen sind) zu reagieren, und zwar unter Verwendung einer bestimmten Art von Schwefelchemie (Sulfonylfluorid-Austausch, SuFEx). Wenn eines dieser Moleküle tatsächlich an das Spike-Protein bindet, könnte es den Eintritt des Virus in menschliche Zellen behindern und damit die Replikation des Virus verlangsamen.
Laufende Substanztests
In unserer Analyse haben wir die rohen Docking-Ergebnisse gefiltert, um die vielversprechendsten Verbindungen zu identifizieren, die synthetisiert und in biologischen Assays getestet werden sollen. Während dieses Prozesses wurde die Anzahl der Ergebnisse von Hunderten von Millionen von Molekülen auf einige Dutzend reduziert, die die interessantesten Interaktionsmuster mit den viralen Enzymen zeigten.
Mit unseren Mitarbeitern bei Enamine identifizierten wir diejenigen, die durch synthetische Chemie besser zugänglich waren, und wählten schließlich Moleküle aus, die gegen zwei der wichtigsten Proteasen des SARS-CoV2-Virus gerichtet sein könnten: 28 für die Protease Plpro und 47 für die Protease Mpro. Enamine hat die Moleküle rasch synthetisiert, gereinigt und an die Labors unserer experimentellen Mitarbeiter in Scripps Florida (Labors Griffin und Kojetin) und an der Emory University (Labor Sarafianos) versandt. Sobald die biologischen Ergebnisse vorliegen, werden wir sie mit der Community teilen.
Vielen Dank an alle, die dieses Projekt unterstützen!
Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
8. Juli 2021
Zusammenfassung
Der jüngste Stresstestlauf auf dem World Community Grid ermöglichte es den Forschern, schnell Simulationen für 300 Millionen kleine Moleküle durchzuführen.
Hintergrund
OpenPandemics - COVID-19 wurde ins Leben gerufen, um die Suche nach möglichen COVID-19-Behandlungen zu beschleunigen. Das Projekt zielt auch darauf ab, ein reaktionsschnelles, quelloffenes Toolkit aufzubauen, das allen Wissenschaftlern bei der schnellen Suche nach Behandlungen im Falle zukünftiger Pandemien helfen kann.
Ende 2020 gaben wir die Auswahl von 70 Verbindungen (aus einer ursprünglichen Gruppe von ca. 20.000) bekannt, die vielversprechend sein könnten, um als potenzielle Inhibitoren des Virus, das COVID-19 verursacht, untersucht zu werden. Für einige dieser Verbindungen laufen derzeit Labortests (Details siehe am Ende dieses Berichts).
Ende April und Anfang Mai haben wir dem World Community Grid etwa 30.000 Chargen von GPU-Arbeitseinheiten zur Verfügung gestellt. Dies war Teil eines Stresstests der World Community Grid-Infrastruktur und des Analyse-Workflows und generierte für uns schnell eine extrem große Datenmenge.
Was haben wir aus dem jüngsten Stresstest gelernt?
Der Stresstest war eine großartige Übung, um Engpässe in unserem Workflow aufzudecken. Aufgrund der fast unglaublichen Menge an zurückgegebenen Ergebnissen - das Äquivalent von etwa 3/4 der Anzahl der CPU-Ergebnisse eines Jahres in einer Woche - wurde uns klar, dass der größte Engpass das war, was wir intern "Rehydrierung/Analyse" nennen. Dies ist der Schritt, bei dem wir das sogenannte "Genom", das die Lage, die Rotation und den Torsionszustand eines gegebenen Docking-Ergebnisses beschreibt, in xyz-Atomkoordinaten umwandeln und die Analyse durchführen.
Der Stresstest motivierte uns, erhebliche Optimierungen in unserem Code für die GPU-Version zu entwickeln. Diese Optimierungen beschleunigten die Rehydrierung/Analyse um mehr als das Zehnfache, was zu einer Gesamtbeschleunigung unseres Workflows um den Faktor 5 führte. Diese Optimierungen sollen in unseren Mainstream-Code-Quellcode auf der AutoDock-GPU GitHub-Seite einfließen und der gesamten Community zur Verfügung stehen, was allen Forschern zugute kommt, die unseren Code für ihre Simulationen verwenden.
Ziele, die derzeit auf dem World Community Grid laufen
Derzeit konzentrieren sich alle Berechnungen auf das Spike-Protein des SARS-CoV2-Virus. Die ersten Arbeitseinheiten, die auf den Spike abzielten, waren der "Stresstest", bei dem etwa 300 Millionen kleine Moleküle an eine von vielen möglichen Bindungsstellen angedockt wurden. Anschließend haben wir mehrere mögliche Bindungstaschen mit sowohl reaktiven als auch nicht reaktiven Molekülen ins Visier genommen.
Die reaktiven Moleküle enthalten eine chemische Gruppe, die in der Lage ist, selektiv entweder mit Tyrosin- oder Lysin-Aminosäuren (die häufige Bausteine von Proteinen sind) zu reagieren, und zwar unter Verwendung einer bestimmten Art von Schwefelchemie (Sulfonylfluorid-Austausch, SuFEx). Wenn eines dieser Moleküle tatsächlich an das Spike-Protein bindet, könnte es den Eintritt des Virus in menschliche Zellen behindern und damit die Replikation des Virus verlangsamen.
Laufende Substanztests
In unserer Analyse haben wir die rohen Docking-Ergebnisse gefiltert, um die vielversprechendsten Verbindungen zu identifizieren, die synthetisiert und in biologischen Assays getestet werden sollen. Während dieses Prozesses wurde die Anzahl der Ergebnisse von Hunderten von Millionen von Molekülen auf einige Dutzend reduziert, die die interessantesten Interaktionsmuster mit den viralen Enzymen zeigten.
Mit unseren Mitarbeitern bei Enamine identifizierten wir diejenigen, die durch synthetische Chemie besser zugänglich waren, und wählten schließlich Moleküle aus, die gegen zwei der wichtigsten Proteasen des SARS-CoV2-Virus gerichtet sein könnten: 28 für die Protease Plpro und 47 für die Protease Mpro. Enamine hat die Moleküle rasch synthetisiert, gereinigt und an die Labors unserer experimentellen Mitarbeiter in Scripps Florida (Labors Griffin und Kojetin) und an der Emory University (Labor Sarafianos) versandt. Sobald die biologischen Ergebnisse vorliegen, werden wir sie mit der Community teilen.
Vielen Dank an alle, die dieses Projekt unterstützen!
Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
FritzB
Grand Admiral Special
- Mitglied seit
- 25.12.2002
- Beiträge
- 2.904
- Renomée
- 1.435
- Standort
- Märkisch Kongo
- Aktuelle Projekte
- WCG, GPUGrid
- Lieblingsprojekt
- gute Frage
- Meine Systeme
- 4x Ryzen 7950X, 4800H, 5600G, RTX 4070 Ti, RTX 4070 Ti Super, GTX 1650 Ti, RTX 4090
- BOINC-Statistiken
- Mein Laptop
- Lenovo ideapad 3, Ryzen 7 4800H, 1650 Ti
- Prozessor
- 7950X, 5600G
- Mainboard
- jeweils eins
- Kühlung
- BQ Silent Loop 2 280, Arctic Liquid Freezer II 240, Scythe Fuma 3
- Speicher
- ganz viel DDR4 und DDR5
- Grafikprozessor
- GeForce 4090, 4070 Ti Super, 4070 Ti
- Display
- LG UltraGear 27GP850-B
- SSD
- diverse
- Optisches Laufwerk
- hatter
- Gehäuse
- Nanoxia Deep Silence 5, BQ Silent Base 500/600 u.a.
- Netzteil
- Corsair, Seasonic, BQ...
- Betriebssystem
- Windows 10 x64/Pro, Linux Mint 21.x
Das muss man sich auf der Zunge zergehen lassen: In einer Woche werden mit einigen (vielen) Enthusiasten nur mit GPUs 75% der Jahresleitung an CPU Power von allen Teilnehmern erreicht. Es ist erstaunlich, was mit der richtigen Nutzung von Ressourcen möglich ist. Gleichzeitig finde ich es schade, dass es so wenig genutzt wird. Was sonst alles erreicht werden könnte... Den Programmieraufwand CPU vs GPU App kann ich nicht beurteilen. Als Laie sehe ich natürlich nur bei jedem Mathe Projekt div. GPU Apps und frage mich, warum Rosetta, WCG und Co. nicht auch diesen Weg gehen.
Ähnliche Themen
- Antworten
- 0
- Aufrufe
- 351
- Antworten
- 0
- Aufrufe
- 509
- Antworten
- 1
- Aufrufe
- 349
- Antworten
- 0
- Aufrufe
- 460