Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 33
По содержанию отличная статья. Про форму умолчу.
К сожалению не смог выстроить полноценную структуру, чтобы при этом было более-менее понятно, потому просто описал последовательность действий с комментариями.
Часть, которая идет после воды, скорее приведена, чтобы показать проблемы при взятии молекулы «из головы» т.к. без нее может показаться, что все слишком просто.
Часть, которая идет после воды, скорее приведена, чтобы показать проблемы при взятии молекулы «из головы» т.к. без нее может показаться, что все слишком просто.
2022 для актуализации приведу немного изменений:
сайт АТБ билдера на текущий момент https://atb.uq.edu.au/, для использования нужно в имеющихся ссылках подменить доменное имя с поддоменном на указанное тут т.е.
https://atb.uq.edu.au/molecule.py?molid=23661 -> https://atb.uq.edu.au/molecule.py?molid=23661
Документация теперь по адресу:
https://manual.gromacs.org/current/install-guide/index.html
«Электронагревательные приборы» — это компьютеры, на которых крутятся особо тяжёлые расчеты?
В принципе как и любые расчеты — съедает при позволении, все вычислительные мощности машины(включая видеокарту) ну соответственно очень не плохо греет.
Средняя научная группа из 30 человек, которая занимается структурным моделированием загружает кластер на ~100kW, последние пару лет сильно активизировался переход на GPU для MD, потому что performance/$ намного лучше. Загружали бы и больше, но кто ж денег даст :)
Загружали бы и больше, но кто ж денег даст :)
Скооперироваться с какими-нибудь американцами и подать заявку на INCITE :)
Тут все непросто. Мега-кластеров, которые предоставляют комп. время на самом деле хватает, не только в США. Пользоваться ими для MD на практике затруднительно. Тем не менее, когда подходящая под такие кластеры задача возникает, как правило с получением процессорного времени проблем нет, но это не заменяет on-cite кластер. Обычно пользуются и тем и тем, в зависимости от проекта.
Группа, из 30 человек, которая может себе позволить иметь кластер на ~100kW — это довольно хорошо финансируемая группа по европейским меркам. На сколько я сталкивался, такие группы как правило также пользуются и мега-кластерами из ТОП 100 и ТОП 10, но это возможно только для некоторых, немногих, проектов.
Но ситуация меняется, возможно через пару лет сценарии использования поменяются.
- Классическая мол. динамика плохо распараллеливается, большинство реальных симуляций нет смысла запускать более чем на 64х ядрах — быстрее не будет. На сегодняшний день 1 GPU выдает больше ns/day чем даже 64 самых быстрых CPU и ситуация с GPU ещё улучшается. Одну симуляцию почти нет смысла запускать более чем на 2х GPU, изредка на 4х.
- При подаче проекта на мега-кластер есть минимальный порог выделяемого времени т.к. они не хотят размениваться на мелочёвку. В идеале они хотят что бы вы им сразу весь кластер загрузили, а это очень трудно. Как не смешно, в большинстве случаев задачи решаемые MD слишком мелкие для них.
- Подача заявок на процессорное врямя на таких кластерах — трудоёмкий процесс с кучей бюрократии, а рабочее время тоже денег стоит и вообще, если можно этим не заниматсья — не будут.
- На мега-кластере не всегда есть нужный софт и что-то сделать — это очень страшный геморрой
- On-cite кластер даёт гораздо больше гибкость — не нужно письменно заверять каждый чих. Также можно на ходу корректировать параметры задач по ходу дела, останавливать и запускать другие и т.п., что на мега-кластере опять же не всегда удобно.
Группа, из 30 человек, которая может себе позволить иметь кластер на ~100kW — это довольно хорошо финансируемая группа по европейским меркам. На сколько я сталкивался, такие группы как правило также пользуются и мега-кластерами из ТОП 100 и ТОП 10, но это возможно только для некоторых, немногих, проектов.
Но ситуация меняется, возможно через пару лет сценарии использования поменяются.
Вопрос, с какой точностью будет моделироваться фолдинг белка. Наверное, с неприемлемой, раз это до сих пор супер-актуальная тема, кроме того проводятся соревнования по алгоритмам такой свёртки. Причина в отказе от учёта квантовых свойств?
На данный момент protein folding с помощью MD — задача концептуально полностью решенная (см. публикации David E. Shaw). Существует специальный компьютер (Anton), в котором используются CPU специально разработанные для MD, де факто это код gromacs в hardware :) (грубо говоря). На этом компьютере достижимые времена симуляций (в лоб) порядка миллисекунд. Они на этом компе показали уже примеры сворачивания маленьких белков. Таким образом небольшие белки можно тупо в лоб уже сворачивать, при этом статистические и термодинамические характеристики будут корректные и т.п. Обычные компьютерные GPU-кластеры позволяют на сегодня делать симуляции (для аналогичных небольших белков) порядка десятка микросекунд, НО сейчас очень активно развиваются методы, которые позволяют корректно «склеивать» результаты независимых симуляция с разных GPU, таким образом эффективное реально достижимое время симуляций достигнет параметров Anton буквально в ближайшие пару лет.
Также есть уже давно методы фолдинга не в лоб, которые сложные, не всегда применимы, но позволяют тоже хороших результатов добиваться.
Также есть уже давно методы фолдинга не в лоб, которые сложные, не всегда применимы, но позволяют тоже хороших результатов добиваться.
А что с большими белками?
Принципиальных ограничений нет. Но нужно понимать, что задача фолдинга ограниченный интерес представляет. К тому же в природе белки сворачиваются не в растворе соли в воде (как в MD), а при активном участии других белков (например шаперонов), которые природа специально «создала» что бы этот процесс регулировать. Многие белки свернуться в «пустой» воде тоже, но кому это интересно, время не то, термодинамика не та — сферический конь в вакууме выходит. Короче фолдинг большого белка сделают, как только более приоритетных задач не будет (то есть когда процессорное время подешевеет достаточно).
Shaw свернул очень маленькие белки, у которых фактически нет гидрофобного ядра, так что впереди у нас еще несколько концептуальных демонстраций.
Структуру белка обычно моделируют по аналогии с уже известными, и результаты иногда получаются очень хорошими, и часто — достаточно хорошими.
Всё зависит от задач. Homology modelling, о котором вы упомянули действительно очень успешно и широко используется, но есть целые классы белков, с которыми это не работает, потому что ни одного template нет. Даже в тех случаях, когда шаблоны есть, качество полученных структур часто бывает недостаточно, скажем, для structure-based drug design (разработки лекарств на основе структуры [белка/аминокислоты/комплекса]).
Кроме того для отрасли в целом интересна не сама структура, а функция (и механизм), для понимания которых важно также понимание и динамики, помимо знания конформации основного состояния. А ещё есть целые классы биомакромолекул без основного состояния и т.д. и т.п. Есть что изучать в общем :)
Кроме того для отрасли в целом интересна не сама структура, а функция (и механизм), для понимания которых важно также понимание и динамики, помимо знания конформации основного состояния. А ещё есть целые классы биомакромолекул без основного состояния и т.д. и т.п. Есть что изучать в общем :)
Спасибо автору за статью, может кому-то и пригодиться, но всё же хочу спросить.
Зачем популяризировать MD (Molecular Dynamics)?
Вот интересно, зачем человеку, который не занимается MD в связи с профессиональной деятельностью, вообще MD может понадобится? Для получения любых полезных результатов не достаточно «установить и запустить» MD — нужно понимать все ограничения, подводные камни, применить и понимать статистический анализ и т.п. Этому всему учат в университете и долго. Если всего этого не пройти — нельзя будет по полученным симуляциям правильные выводы сделать (хотя некоторые и пытаются так поступать). Что бы заниматься MD с пользой нужно университет закончить и пройти несколько курсов, связанных с MD, затем обучаться около года как это делать, под пристальным руководством знающих людей и при этом продолжая много читать про MD и только после этого можно получить какой-то стоящий результат. О том, какие вычислительные ресурсы нужны на сегодняшний день что бы результаты всерьез восприняли при публикации и говорить нечего — минимум год процессорного времени на GPU уровня Nvidia GTX970. Если считать на CPU, то без кластера и вовсе не обойтись.
На мой взгляд, популяризировать MD в непрофессиональной среде — все равно что популяризировать флюоресцентную спектроскопию, например. MD — это всего лишь весьма специализированный и сложный инструмент, доступный только для профессионалов как по причине сложности использования, так и из-за дороговизны.
Зачем популяризировать MD (Molecular Dynamics)?
Вот интересно, зачем человеку, который не занимается MD в связи с профессиональной деятельностью, вообще MD может понадобится? Для получения любых полезных результатов не достаточно «установить и запустить» MD — нужно понимать все ограничения, подводные камни, применить и понимать статистический анализ и т.п. Этому всему учат в университете и долго. Если всего этого не пройти — нельзя будет по полученным симуляциям правильные выводы сделать (хотя некоторые и пытаются так поступать). Что бы заниматься MD с пользой нужно университет закончить и пройти несколько курсов, связанных с MD, затем обучаться около года как это делать, под пристальным руководством знающих людей и при этом продолжая много читать про MD и только после этого можно получить какой-то стоящий результат. О том, какие вычислительные ресурсы нужны на сегодняшний день что бы результаты всерьез восприняли при публикации и говорить нечего — минимум год процессорного времени на GPU уровня Nvidia GTX970. Если считать на CPU, то без кластера и вовсе не обойтись.
На мой взгляд, популяризировать MD в непрофессиональной среде — все равно что популяризировать флюоресцентную спектроскопию, например. MD — это всего лишь весьма специализированный и сложный инструмент, доступный только для профессионалов как по причине сложности использования, так и из-за дороговизны.
Необязательно этим профессионально заниматься, чтобы иметь интерес. Банальное развитие выч мощностей наводит на вопрос — а можно ли посчитать связи итп? На хабре возникали вопросы о том, кто — что может о громаксе рассказать. А так же иногда авторы ради интереса изобретать программы по моделированию, так что увы, но все же у человека не занимающегося этим профессионально может возникнуть интерес.
В моем понимании для «старта» в области моделирования, показанного должно быть достаточно.
Даже близко не достаточно.
Русскоязычной информации по запуску моделирования в gromacs удалось найти крайне мало, примерно столько же и в глобальном масштабе, все в основном обсуждают уж очень глубокие/тонкие моменты.
Потому что смысла нет. MD проходят на специальных курсах в универе/на воркшопах. Есть книги. Также как нет инфы типа «проектирование мостов за 14 дней»
Такими рассуждениями можно уничтожить любые идеи популяризации чего-либо. Формата: " Ардуйно — не нужно, потому что серьезного ничего не сделаешь без хорошего управления питанием, прерыванием, тактированием итп.", «Статьи по языкам не нужны, потому что там все кратко и не точно, а глубокого понимания это не даст, т.к. надо читать книги.».
Вы не правы. Кривая вхождения в Ардуино совершенно иная, тем более в контексте хабра можно ожидать, что большая её часть уже пройдена. Статья по ардуино может быть полезна для аудитории хабра — можно что-то интересное или полезное для себя сделать. С MD совершенно не так. Скажите, уместно было бы здесь написать статью о том, как получить карту плотности с помощью криоэлектронной микроскопии? С целью «популяризировать cryo-EM»? Вы примерно то же самое делаете.
Я не против того, что бы Вы писали статьи о MD, просто мне кажется, они получатся намного лучше, если представлять себе, зачем это делается.
Я не против того, что бы Вы писали статьи о MD, просто мне кажется, они получатся намного лучше, если представлять себе, зачем это делается.
Я почти уверен, что существуют задачи, не связанные на прямую с МД, где могут потребоваться знания о реализации внутримолекулярного взаимодействия или о реализации алгоритмов расчета, т.е. того, что используется уже в МД. Чем шире кругозор человека и его знания, хотя бы краткие, тем больше у него возможностей.
Если сравнивать с ардуйнкой, то тут тоже можно что-то сделать не большое и на это посмотреть.
Если сравнивать с ардуйнкой, то тут тоже можно что-то сделать не большое и на это посмотреть.
А что, я бы с удовольствием прочитала про cryo-EM.
Действительно, как сказали выше, напишите подробнее и о cryo-EM, зачем он нужен итп, как обстоят дела с ним.Так же было бы интересно подробнее о делах с МД, какие мощности сейчас есть, что получают, привести примеры «долгих вычислений» — это интересно.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Моделирование методом молекулярной динамики в пакете Gromacs