Projektnews World Community Grid: Open-source software from OpenPandemics - COVID-19 helps the researchers
- Ersteller P3D-Bot
- Erstellt am
P3D-Bot
Bot von P3D
The OPN team is developing open-source tools that help improve the predictions run in WCG and benefit researchers worldwide.
Lese weiter bei worldcommunitygrid.org....
Lese weiter bei worldcommunitygrid.org....
Ritschie
Moderator (DC)
☆☆☆☆☆☆
Open-Source-Software von OpenPandemics - COVID-19 hilft den Forschern
Das OPN-Team entwickelt Open-Source-Tools, die dazu beitragen, die Vorhersagen der WCG zu verbessern, und von denen Forscher weltweit profitieren.
Projekt: OpenPandemics - COVID-19
Veröffentlicht am: 9 Dez. 2021
Hintergrund
OpenPandemics - COVID-19 wurde ins Leben gerufen, um die Suche nach neuen Kandidaten für die Entwicklung von antiviralen Medikamenten gegen COVID-19 zu beschleunigen. Ziel des Projekts ist es, mit Hilfe von Computersimulationen kleine Moleküle zu identifizieren, die an SARS-CoV-2-Proteine binden. Die vielversprechendsten Moleküle werden ausgewählt, um in den Labors der Mitarbeiter des Forschungsteams getestet zu werden. Moleküle mit bestätigter experimenteller Aktivität werden den Ausgangspunkt für die Entwicklung potenzieller Arzneimittel bilden.
Derzeit gibt es zwei kleine Moleküle, die bei der Behandlung von COVID-19 am Menschen getestet wurden und gute Ergebnisse zeigten: Molupiravir und Ritonavir. Dem Auftreten von Resistenzen gegen bestehende Virostatika, wie es bei HIV der Fall ist, kann mit mehreren, unterschiedlichen Virostatika begegnet werden. Die Verfügbarkeit mehrerer Alternativen für die Entwicklung verschiedener Virostatika ist daher von entscheidender Bedeutung für die Überwindung der Resistenz und die Bewältigung der Herausforderungen, die neue SARS-CoV2-Varianten darstellen können.
Open-Source-Tools
Das Forschungsteam arbeitet aktiv an der Entwicklung von Open-Source-Software, um anderen Wissenschaftlern bei der Durchführung von Computersimulationen zur Unterstützung von Projekten zur Arzneimittelentdeckung zu helfen. So wurden beispielsweise neue Funktionen wie flexible Rückstände, modifizierbare Paarpotenziale und eine Kontaktanalyse, die in den letzten beiden Versionen der AutoDock-GPU-Docking-Engine (v1.4 und v1.5) hinzugefügt wurden, speziell für die Anforderungen eines Großprojekts wie OpenPandemics - COVID-19 entwickelt, kommen aber der gesamten Gemeinschaft der Forscher zugute, die diese Tools verwenden.
Effiziente Aufteilung der Arbeit zwischen CPU und GPU
Die Schwierigkeit der Docking-Suche und damit die entsprechende Anzahl von Score-Bewertungen, die erforderlich sind, um gute Bindungsmodi zu erzeugen, steigt exponentiell mit der Anzahl der drehbaren Bindungen in jedem Molekül.
Dieser Anstieg der Anzahl der Bewertungen ist bei AutoDock-GPU (AD-GPU) weniger steil als bei AutoDock4 (AD4), da in AD-GPU ein besserer Suchalgorithmus (Adadelta) implementiert ist. Sowohl AD-GPU als auch AD4 docken einfache Moleküle mit wenigen drehbaren Bindungen problemlos an. Allerdings ist nur AD-GPU in der Lage, komplexe Moleküle effizient anzudocken. Um die Gesamtleistung von WCG OPN zu verbessern, werden daher, beginnend mit den Paketen OPNG_0087175 und OPN1_0063952, Moleküle mit sechs oder weniger drehbaren Bindungen von AutoDock4 angedockt, während Moleküle mit sieben oder mehr drehbaren Bindungen von AutoDock-GPU angedockt werden. Dadurch werden sowohl der Gesamtdurchsatz als auch die Vorhersagequalität verbessert.
Tests im Labor
Zum Zeitpunkt dieser Aktualisierung wurden fast 300 Verbindungen bestellt, und eine weitere Auswahlrunde ist im Gange, mit dem Ziel, diese Zahl zu erhöhen. Die Tests mit diesen Verbindungen werden in kooperierenden Labors fortgesetzt.
Bei einigen Verbindungen läuft die weitere Validierung der ersten vielversprechenden Ergebnisse, und das Team ist vorsichtig begeistert von den erhaltenen Daten und arbeitet daran, die bisher gesammelten strukturellen Informationen in die Analyse der neuen Docking-Ergebnisse von Freiwilligen einzubeziehen.
Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
Das OPN-Team entwickelt Open-Source-Tools, die dazu beitragen, die Vorhersagen der WCG zu verbessern, und von denen Forscher weltweit profitieren.
Projekt: OpenPandemics - COVID-19
Veröffentlicht am: 9 Dez. 2021
Hintergrund
OpenPandemics - COVID-19 wurde ins Leben gerufen, um die Suche nach neuen Kandidaten für die Entwicklung von antiviralen Medikamenten gegen COVID-19 zu beschleunigen. Ziel des Projekts ist es, mit Hilfe von Computersimulationen kleine Moleküle zu identifizieren, die an SARS-CoV-2-Proteine binden. Die vielversprechendsten Moleküle werden ausgewählt, um in den Labors der Mitarbeiter des Forschungsteams getestet zu werden. Moleküle mit bestätigter experimenteller Aktivität werden den Ausgangspunkt für die Entwicklung potenzieller Arzneimittel bilden.
Derzeit gibt es zwei kleine Moleküle, die bei der Behandlung von COVID-19 am Menschen getestet wurden und gute Ergebnisse zeigten: Molupiravir und Ritonavir. Dem Auftreten von Resistenzen gegen bestehende Virostatika, wie es bei HIV der Fall ist, kann mit mehreren, unterschiedlichen Virostatika begegnet werden. Die Verfügbarkeit mehrerer Alternativen für die Entwicklung verschiedener Virostatika ist daher von entscheidender Bedeutung für die Überwindung der Resistenz und die Bewältigung der Herausforderungen, die neue SARS-CoV2-Varianten darstellen können.
Open-Source-Tools
Das Forschungsteam arbeitet aktiv an der Entwicklung von Open-Source-Software, um anderen Wissenschaftlern bei der Durchführung von Computersimulationen zur Unterstützung von Projekten zur Arzneimittelentdeckung zu helfen. So wurden beispielsweise neue Funktionen wie flexible Rückstände, modifizierbare Paarpotenziale und eine Kontaktanalyse, die in den letzten beiden Versionen der AutoDock-GPU-Docking-Engine (v1.4 und v1.5) hinzugefügt wurden, speziell für die Anforderungen eines Großprojekts wie OpenPandemics - COVID-19 entwickelt, kommen aber der gesamten Gemeinschaft der Forscher zugute, die diese Tools verwenden.
Effiziente Aufteilung der Arbeit zwischen CPU und GPU
Die Schwierigkeit der Docking-Suche und damit die entsprechende Anzahl von Score-Bewertungen, die erforderlich sind, um gute Bindungsmodi zu erzeugen, steigt exponentiell mit der Anzahl der drehbaren Bindungen in jedem Molekül.
Dieser Anstieg der Anzahl der Bewertungen ist bei AutoDock-GPU (AD-GPU) weniger steil als bei AutoDock4 (AD4), da in AD-GPU ein besserer Suchalgorithmus (Adadelta) implementiert ist. Sowohl AD-GPU als auch AD4 docken einfache Moleküle mit wenigen drehbaren Bindungen problemlos an. Allerdings ist nur AD-GPU in der Lage, komplexe Moleküle effizient anzudocken. Um die Gesamtleistung von WCG OPN zu verbessern, werden daher, beginnend mit den Paketen OPNG_0087175 und OPN1_0063952, Moleküle mit sechs oder weniger drehbaren Bindungen von AutoDock4 angedockt, während Moleküle mit sieben oder mehr drehbaren Bindungen von AutoDock-GPU angedockt werden. Dadurch werden sowohl der Gesamtdurchsatz als auch die Vorhersagequalität verbessert.
Tests im Labor
Zum Zeitpunkt dieser Aktualisierung wurden fast 300 Verbindungen bestellt, und eine weitere Auswahlrunde ist im Gange, mit dem Ziel, diese Zahl zu erhöhen. Die Tests mit diesen Verbindungen werden in kooperierenden Labors fortgesetzt.
Bei einigen Verbindungen läuft die weitere Validierung der ersten vielversprechenden Ergebnisse, und das Team ist vorsichtig begeistert von den erhaltenen Daten und arbeitet daran, die bisher gesammelten strukturellen Informationen in die Analyse der neuen Docking-Ergebnisse von Freiwilligen einzubeziehen.
Übersetzt mit www.DeepL.com/Translator (kostenlose Version)
Ähnliche Themen
