午夜av男人的天堂,国产91日韩,国产视频黄在线观看

AutoDock Vina是用于分子對接和虛擬篩選的開源程序，由Scripps研究所分子圖形實驗室的Oleg Trott博士設計和實現，是目前使用最為廣泛的分子對接軟件之一。

分子對接技術，作為計算機輔助藥物設計（Computer Aided Drug Design，CADD）的重要方法，已廣泛應用于藥物發現階段的早期虛擬篩選、藥物分子設計、先導化合物優化、藥物潛在作用靶點發現、藥物-靶點相互作用機制、為重要的藥物代謝酶尋找特異性配體等。

目前，限于算力，或者高效靈活地調用大規模計算集群的能力，當前的虛擬篩選通常僅采樣百萬到千萬個分子，而事實上目前可用于藥物發現的有機分子已經超過10的60次方。

在《15小時虛擬篩選10億分子，Nature+HMS驗證云端新藥研發未來》這篇文章里，哈佛大學醫學院的研究人員論證了：分子化合物的質量會隨著虛擬篩選規模的擴大而提升。

如何在本地資源有限的情況下，提高虛擬篩選規模和質量，把漫長的藥物研發周期縮短一點？
我們用實證給你一個答案。

與前兩次實證不同，本次生信實證有兩大特點：

1. 任務數量多，云上同一地區某種類型機型可能不足，因此會涉及到多區域資源調度；
2. 可根據用戶偏好匹配合適的資源調度策略，滿足用戶不同需求。

實證背景信息

某大型藥企在本地建設有機房，計算資源總計為104核。
使用AutoDock Vina進行小分子對接：
當設定exhaustiveness=8時，篩選56643個原始分子共需90小時；
當設定exhaustiveness=1時，耗時需18小時。

（exhaustiveness參數：用來控制對接的細致程度，影響計算時間）

當篩選范圍擴大到整個VS數據庫（2800萬個分子）時，不同參數條件下本地資源所需的運算時間在約2.6-5年不等。

研發負責人認為這么長的時間周期是無法接受的，其本地現有IT架構和資源完全無法滿足研發需求。

實證目標

1、AutoDock Vina任務能否在云端有效運行？
2、fastone平臺能否大幅度縮短任務運行時間？
3、fastone平臺能否有效控制任務運行成本？
4、針對AutoDock Vina任務小，數量大的特點，fastone平臺是否有針對性策略？

實證參數

平臺：
fastone企業版產品

應用：
AutoDock Vina

適用場景：
分子對接，研究配體（藥物分子）與其受體（已知的靶蛋白或活性位點）之間的詳細相互作用，預測其結合模式及親合力，還可以用來發現并優化藥物先導物分子，進而實現基于結構的藥物設計

云端硬件配置：
AutoDock Vina在運行時需要對接海量分子，對計算性能要求較高，因此平臺為用戶推薦選擇了匹配其應用特點的計算優化型實例機型。

技術架構圖：

以下是兩個實證場景。
實證場景一：我們通過10000分子分別進行了AutoDock Vina的云端線性擴展性驗證及成本驗證；
實證場景二：基于不同用戶策略，我們幫用戶進行了2800萬量級的大規模分子對接。
1、時間優先策略以速度為第一優先級：資源選擇以OD按需實例為主，在滿足用戶時間要求的前提下盡可能通過搶占SPOT實例來優化成本。
2、成本優先策略以成本為第一優先級：資源選擇以SPOT實例為主，并在滿足用戶成本要求的前提下使用OD按需實例來優化時間效率。

SPOT：可被搶占實例，又稱競價實例。價格最低可達到按需實例價格的10%，相當于秒殺，手快有手慢無，價格可高可低波動大，隨時可能被搶占中斷，需要有一定的技術實力才能使用。
OD：On-Demand，按需實例。針對短期彈性需求，按小時計費，靈活精準，避免浪費，但價格比較高，通常為SPOT實例的3-10倍。

實證場景一：10000分子
AutoDock Vina云端線性擴展性及成本驗證

結論一：在云端調度不同核數的計算資源對接10000分子，驗證AutoDock Vina在云上具有線性擴展性，即當處理器數量增加一倍，運算時間也會縮短一半。

實證過程：
1、云端調度36核計算資源對接10000分子，采用時間優先策略需耗時527分鐘；
2、云端調度80核計算資源對接10000分子，采用時間優先策略需耗時314分鐘；
3、云端調度144核計算資源對接10000分子，采用時間優先策略需耗時215分鐘；
4、云端調度288核計算資源對接10000分子，采用時間優先策略需耗時98分鐘；
5、云端調度540核計算資源對接10000分子，采用時間優先策略需耗時52分鐘；
6、云端調度1080核計算資源對接10000分子，采用時間優先策略需耗時20分鐘。

結論二：在云端調度不同核數的計算資源對接10000分子，當用戶選擇成本優先策略時，fastone平臺以SPOT實例為主要資源選擇，確保成本為第一優先級。
比時間優先策略，成本降幅最多可達67%-90%。

實證過程：
1、云端調度36核計算資源對接10000分子，采用成本優先策略搶占SPOT實例，耗費82元；
2、云端調度80核計算資源對接10000分子，采用成本優先策略搶占SPOT實例，耗費84元；
3、云端調度144核計算資源對接10000分子，采用成本優先策略搶占SPOT實例，耗費79元；
4、云端調度288核計算資源對接10000分子，采用成本優先策略搶占SPOT實例，耗費64元；
5、云端調度540核計算資源對接10000分子，采用成本優先策略搶占SPOT實例，耗費58元；
6、云端調度1080核計算資源對接10000分子，采用成本優先策略搶SPOT實例，耗費68元。

實證場景二：2800萬分子
大規模業務驗證：基于不同用戶策略

fastone基于用戶2800萬分子對接需求，提供時間優先和成本優先兩種策略供用戶選擇。

01
用戶以時間為第一優先級

結論：
1、通過fastone平臺采用時間優先策略調用10萬核計算優化型實例對接2800萬個分子，耗時約15.23小時，運算效率提高2920倍；
2、fastone平臺根據用戶計算需求，自動化構建并調度云上10萬核大規模算力集群，完成計算任務；
3、時間優先策略下，當任務數量達到一定規模時，云上同一地區某種類型機型可能不足，fastone平臺可跨區、跨類型自動為用戶調度云資源，以最快速度完成計算任務；
4、fastone平臺自動幫用戶確定中斷可能性最低的SPOT池，保障任務順利高效完成，本次實證任務的中斷率為0.95%（通常<5%）。

云端部署手動模式 VS 自動模式之間的巨大差異可查看 EDA云實證Vol.1：從30天到17小時，如何讓HSPICE仿真效率提升42倍？

實證過程：
1、設定exhaustiveness=8，本地104核計算資源對接約2800萬個分子，經估算需耗時約1853天；
2、設定exhaustiveness=8，云端調度10萬核計算資源對接約2800萬個分子，采用時間優先策略需耗時約15.23小時（含配置，安裝，調度等時間）。

計算資源越多，運算時間越短。

在滿足用戶時間要求的前提下，可通過盡可能搶占SPOT實例來幫助用戶優化成本。
當所需的計算資源達到十萬核這個數量級以后，單個區域內我們的目標類型資源可能會瞬間告罄，造成任務排隊，從而大大拖慢運算時間。

我們需要通過fastone平臺的Auto-Scale功能自動調度本區域及其他區域的目標類型或相似類型SPOT實例資源，以最快速地完成任務。

簡單說，就是優先搶低價的SPOT實例，搶完同類型的再搶其他類型的，搶完同區域的再搶其他區域的。

這只是Auto-Scale功能的一部分。
fastone的Auto-Scale功能可以自動監控用戶提交的任務數量和資源的需求，動態按需地開啟所需算力資源，在提升效率的同時有效降低成本。可以讓用戶根據自身需求，設置調度集群規模上下限，且所有操作都是自動化完成，無需用戶干預。

02
用戶以成本為第一優先級

使用AutoDock Vina進行分子對接的一大特征是任務數量龐大而單個任務計算時間短，單個分子對接的時間通常在幾分鐘以內（與參數設置有關）。
這一特征天然匹配云端的SPOT實例。

云端SPOT實例有四大特點：
1、便宜是真便宜。
2、不是人人都能用好。
3、不是你想要啥就有，不是你想用的時候就能用。
4、或遲或早，最終一定會被搶走。

OD按需實例價格通常為SPOT實例的3-10倍。
可參考：《云資源中的低成本戰斗機——競價實例，AWS、阿里云等六家云廠商完全用戶使用指南》

當便宜且隨時可能被搶占中斷的SPOT實例遇到迷你卻海量的分子對接任務，簡直就是天造地設的一對。
1、常規分子對接任務幾分鐘即可算完，特別適合SPOT這種分分鐘可能被搶走的狀態；
2、fastone平臺具備自動重試功能，一個任務被中斷可以自動重新提交，任務之間互相不影響，重新提交單個任務影響很小。

fastone平臺會按以下順序依次進行自動化調度：
1、同一區域目標類型的SPOT實例；
2、同一區域其他類型的SPOT實例；
3、其他區域目標類型的SPOT實例；
4、其他區域其他類型的SPOT實例；
5、同一區域目標類型的OD實例；
6、同一區域其他類型的OD實例；
7、其他區域目標類型的OD實例；
8、其他區域其他類型的OD實例。

實證小結

最后我們回顧一下實證目標：

1、AutoDock Vina任務能在云端有效運行；
2、fastone平臺能夠大幅度縮短任務運行時間；
3、fastone平臺能夠有效控制任務運行成本；
4、fastone平臺的Auto-Scale功能可完美匹配AutoDock Vina任務小，數量大的特點；
5、fastone平臺能根據用戶不同需求，為用戶提供不同的自動化調度策略。

本次生信行業Cloud HPC實證系列Vol.3就到這里。

在下一期的實證中，我們將為大家帶來Amber上云實證，這次涉及到了云端GPU資源的使用。

未來我們還會帶給大家更多領域的用云“真香”實證，請保持關注哦！

- END -

2分鐘自動開通，即刻獲得TOP500超級算力
點擊下圖立即體驗