Суперкомпьютеры и ИИ использовали для решения величайшей проблемы биологии

Исследователи Научно-исследовательского центра по развитию суперкомпьютерных технологий (NCSA) представили новый метод предсказания трехмерной структуры белков с применением искусственного интеллекта (ИИ) и суперкомпьютеров. Это открытие может значительно ускорить и улучшить процесс предсказания сворачивания белков. Результаты исследования были опубликованы в престижном журнале Proceedings of the National Academy of Sciences (PNAS).

Белки являются ключевыми участниками биохимических процессов в клетках живых организмов. Проблема фолдинга белков, то есть их сворачивания в определенную трехмерную структуру, долгое время оставалась одной из наиболее сложных задач для науки. Новый метод, разработанный учеными NCSA, предлагает инновационный подход к решению этой проблемы, открывая новые перспективы для биохимических исследований. Теперь возможность предсказать структуру белков стала более доступной и точной, что может привести к революционным открытиям в медицине и биотехнологиях.

Использование современных технологий, таких как искусственный интеллект и суперкомпьютеры, в биологических исследованиях открывает новые горизонты для понимания жизни на молекулярном уровне. Это также подчеркивает важность интеграции различных научных дисциплин для достижения значимых научных прорывов.

Изучение структуры белков - это одна из ключевых задач в биохимии и молекулярной биологии. Обычными методами этого изучения являются рентгеновская кристаллография и криоэлектронная микроскопия, которые позволяют получить информацию о строении белков на атомарном уровне.

Однако, с появлением алгоритмов AlphaFold, основанных на искусственном интеллекте, возникла возможность предсказывать структуру белков более точно и быстро, основываясь только на их аминокислотных последовательностях. Это открывает новые перспективы для исследования белков и их функций.

Недавно была представлена новая вычислительная структура APACE, которая упрощает использование инструмента AlphaFold2 и увеличивает его скорость. Одним из важных достижений этой модели является способность предсказывать конформационное разнообразие белков, что крайне важно, учитывая изменчивость формы белков в процессе их функционирования.

APACE - это инновационный подход к управлению данными, который реализуется через размещение модели и базы данных AlphaFold2 объемом 2,6 терабайта на суперкомпьютере. Это позволяет нейронным сетям легко получать доступ к необходимым данным и обрабатывать их эффективно. Одним из ключевых улучшений является оптимизация центральных и графических процессоров для параллельного выполнения шагов предсказания структуры белка, что требует интенсивного использования GPU.

Для тестирования APACE команда использовала 300 графических процессоров NVIDIA A100 на суперкомпьютере Delta в NCSA. Это позволило провести более глубокий анализ эффективности и точности работы системы в различных условиях и с различными нагрузками.

Использование суперкомпьютера и оптимизированных процессоров открывает новые перспективы для исследований в области биоинформатики и молекулярной биологии. Технологии, применяемые в рамках проекта APACE, могут значительно ускорить процесс анализа и предсказания структуры белков, что имеет важное значение для развития науки и медицины.

Новые исследования показали, что новая разработка APACE превосходит стандартные реализации AlphaFold2 в скорости на два порядка. Это открытие значительно ускоряет процесс предсказания структуры белков, что имеет огромное значение для научного сообщества.

Важно отметить, что возможности этого инструмента не ограничиваются только предсказанием структуры белков. Он также может быть интегрирован с роботизированными лабораториями, что позволит автоматизировать и ускорить процесс научных исследований в области биохимии и биологии.

Помимо этого, работа по оптимизации APACE была успешно воспроизведена на суперкомпьютере Polaris в Argonne Leadership Computing Facility. Это подтверждает не только эффективность инструмента, но и его потенциал для использования в крупных вычислительных проектах и исследованиях.

Источник и фото - lenta.ru