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(shè)計和實現(xiàn)，是目前使用最為廣泛的分子對接軟件之一。
分子對接技術(shù)，作為計算機輔助藥物設(shè)計（Computer Aided Drug Design，CADD）的重要方法，已廣泛應(yīng)用于藥物發(fā)現(xiàn)階段的早期虛擬篩選、藥物分子設(shè)計、先導化合物優(yōu)化、藥物潛在作用靶點發(fā)現(xiàn)、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(diào)用大規(guī)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(fā)現(xiàn)的有機分子已經(jīng)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(fā)未來》這篇文章里，哈佛大學醫(yī)學院的研究人員論證了：分子化合物的質(zhì)量會隨著虛擬篩選規(guī)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(guī)模和質(zhì)量，把漫長的藥物研發(fā)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(wù)數(shù)量多，云上同一地區(qū)某種類型機型可能不足，因此會涉及到多區(qū)域資源調(diào)度；
2. 可根據(jù)用戶偏好匹配合適的資源調(diào)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(shè)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(shè)定exhaustiveness=8時，篩選56643個原始分子共需90小時；
當設(shè)定exhaustiveness=1時，耗時需18小時。
（exhaustiveness參數(shù)：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(shù)據(jù)庫（2800萬個分子）時，不同參數(shù)條件下本地資源所需的運算時間在約2.6-5年不等。
研發(fā)負責人認為這么長的時間周期是無法接受的，其本地現(xiàn)有IT架構(gòu)和資源完全無法滿足研發(fā)需求。
實證目標
1、AutoDock Vina任務(wù)能否在云端有效運行？
2、fastone平臺能否大幅度縮短任務(wù)運行時間？
3、fastone平臺能否有效控制任務(wù)運行成本？
4、針對AutoDock Vina任務(wù)小，數(shù)量大的特點，fastone平臺是否有針對性策略？
實證參數(shù)
平臺：
fastone企業(yè)版產(chǎn)品
應(yīng)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(jié)合模式及親合力，還可以用來發(fā)現(xiàn)并優(yōu)化藥物先導物分子，進而實現(xiàn)基于結(jié)構(gòu)的藥物設(shè)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(yīng)用特點的計算優(yōu)化型實例機型。
技術(shù)架構(gòu)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(guī)模分子對接。
1、時間優(yōu)先策略以速度為第一優(yōu)先級：資源選擇以O(shè)D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(yōu)化成本。
2、成本優(yōu)先策略以成本為第一優(yōu)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(yōu)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(shù)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(jié)論一：在云端調(diào)度不同核數(shù)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(shù)量增加一倍，運算時間也會縮短一半。
實證過程：
1、云端調(diào)度36核計算資源對接10000分子，采用時間優(yōu)先策略需耗時527分鐘；
2、云端調(diào)度80核計算資源對接10000分子，采用時間優(yōu)先策略需耗時314分鐘；
3、云端調(diào)度144核計算資源對接10000分子，采用時間優(yōu)先策略需耗時215分鐘；
4、云端調(diào)度288核計算資源對接10000分子，采用時間優(yōu)先策略需耗時98分鐘；
5、云端調(diào)度540核計算資源對接10000分子，采用時間優(yōu)先策略需耗時52分鐘；
6、云端調(diào)度1080核計算資源對接10000分子，采用時間優(yōu)先策略需耗時20分鐘。
結(jié)論二：在云端調(diào)度不同核數(shù)的計算資源對接10000分子，當用戶選擇成本優(yōu)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(yōu)先級。
比時間優(yōu)先策略，成本降幅最多可達67%-90%。
實證過程：
1、云端調(diào)度36核計算資源對接10000分子，采用成本優(yōu)先策略搶占SPOT實例，耗費82元；
2、云端調(diào)度80核計算資源對接10000分子，采用成本優(yōu)先策略搶占SPOT實例，耗費84元；
3、云端調(diào)度144核計算資源對接10000分子，采用成本優(yōu)先策略搶占SPOT實例，耗費79元；
4、云端調(diào)度288核計算資源對接10000分子，采用成本優(yōu)先策略搶占SPOT實例，耗費64元；
5、云端調(diào)度540核計算資源對接10000分子，采用成本優(yōu)先策略搶占SPOT實例，耗費58元；
6、云端調(diào)度1080核計算資源對接10000分子，采用成本優(yōu)先策略搶SPOT實例，耗費68元。
實證場景二：2800萬分子
大規(guī)模業(yè)務(wù)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(yōu)先和成本優(yōu)先兩種策略供用戶選擇。
01
用戶以時間為第一優(yōu)先級
結(jié)論：
1、通過fastone平臺采用時間優(yōu)先策略調(diào)用10萬核計算優(yōu)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(jù)用戶計算需求，自動化構(gòu)建并調(diào)度云上10萬核大規(guī)模算力集群，完成計算任務(wù)；
3、時間優(yōu)先策略下，當任務(wù)數(shù)量達到一定規(guī)模時，云上同一地區(qū)某種類型機型可能不足，fastone平臺可跨區(qū)、跨類型自動為用戶調(diào)度云資源，以最快速度完成計算任務(wù)；
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(wù)順利高效完成，本次實證任務(wù)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(shè)定exhaustiveness=8，本地104核計算資源對接約2800萬個分子，經(jīng)估算需耗時約1853天；
2、設(shè)定exhaustiveness=8，云端調(diào)度10萬核計算資源對接約2800萬個分子，采用時間優(yōu)先策略需耗時約15.23小時（含配置，安裝，調(diào)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(yōu)化成本。
當所需的計算資源達到十萬核這個數(shù)量級以后，單個區(qū)域內(nèi)我們的目標類型資源可能會瞬間告罄，造成任務(wù)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(diào)度本區(qū)域及其他區(qū)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(wù)。
簡單說，就是優(yōu)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(qū)域的再搶其他區(qū)域的。
這只是Auto-Scale功能的一部分。
fastone的Auto-Scale功能可以自動監(jiān)控用戶提交的任務(wù)數(shù)量和資源的需求，動態(tài)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(jù)自身需求，設(shè)置調(diào)度集群規(guī)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(yōu)先級
使用AutoDock Vina進行分子對接的一大特征是任務(wù)數(shù)量龐大而單個任務(wù)計算時間短，單個分子對接的時間通常在幾分鐘以內(nèi)（與參數(shù)設(shè)置有關(guān)）。
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(zhàn)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(wù)，簡直就是天造地設(shè)的一對。
1、常規(guī)分子對接任務(wù)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(tài)；
2、fastone平臺具備自動重試功能，一個任務(wù)被中斷可以自動重新提交，任務(wù)之間互相不影響，重新提交單個任務(wù)影響很小。
fastone平臺會按以下順序依次進行自動化調(diào)度：
1、同一區(qū)域目標類型的SPOT實例；
2、同一區(qū)域其他類型的SPOT實例；
3、其他區(qū)域目標類型的SPOT實例；
4、其他區(qū)域其他類型的SPOT實例；
5、同一區(qū)域目標類型的OD實例；
6、同一區(qū)域其他類型的OD實例；
7、其他區(qū)域目標類型的OD實例；
8、其他區(qū)域其他類型的OD實例。
實證小結(jié)
最后我們回顧一下實證目標：
1、AutoDock Vina任務(wù)能在云端有效運行；
2、fastone平臺能夠大幅度縮短任務(wù)運行時間；
3、fastone平臺能夠有效控制任務(wù)運行成本；
4、fastone平臺的Auto-Scale功能可完美匹配AutoDock Vina任務(wù)小，數(shù)量大的特點；
5、fastone平臺能根據(jù)用戶不同需求，為用戶提供不同的自動化調(diào)度策略。
本次生信行業(yè)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?guī)鞟mber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(lǐng)域的用云“真香”實證，請保持關(guān)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
2020年新版《六大云廠商資源價格對比工具包》
添加小F微信（ID: imfastone）獲取
你也許想了解具體的落地場景：
15小時虛擬篩選10億分子，《Nature》+HMS驗證云端新藥研發(fā)未來
CAE云實證Vol.2：從4天到1.75小時，如何讓Bladed仿真效率提升55倍？
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？
關(guān)于云端高性能計算平臺：
國內(nèi)超算發(fā)展近40年，終于遇到了一個像樣的對手
靈魂畫師，在線科普多云平臺/CMP云管平臺/中間件/虛擬化/容器是個啥
關(guān)于速石
速石科技致力于為 生命科學、 半導體、汽車/智能制造、高?？蒲?/a>、人工智能、金融科技 等領(lǐng)域的企業(yè)提供定制化的上云解決方案 。
