Folding@home ( FAH или F@h ) — это проект распределенных вычислений , призванный помочь ученым разработать новые методы лечения различных заболеваний посредством моделирования динамики белков . Это включает в себя процесс сворачивания и движения белков и основано на моделировании, проводимом на персональных компьютерах добровольцев . [5] Folding@home в настоящее время базируется в Пенсильванском университете и возглавляется Грегом Боуманом, бывшим студентом Виджая Панде . [6]
В проекте используются графические процессоры (GPU), центральные процессоры (CPU) и процессоры ARM , подобные процессорам Raspberry Pi, для распределенных вычислений и научных исследований. В проекте используется методология статистического моделирования , которая представляет собой сдвиг парадигмы традиционных вычислительных методов. [7] В рамках сетевой архитектуры клиент-серверной модели каждая из добровольно предоставленных машин получает части моделирования (рабочие единицы), завершает их и возвращает на серверы базы данных проекта , где эти единицы компилируются в общую симуляцию. Добровольцы могут отслеживать свой вклад на веб-сайте Folding@home, что делает участие волонтеров конкурентоспособным и поощряет долгосрочное участие.
Folding@home — одна из самых быстрых вычислительных систем в мире. В связи с повышенным интересом к проекту в результате пандемии COVID-19 , [8] система достигла скорости примерно 1,22 эксафлопс к концу марта 2020 года и достигла 2,43 эксафлопс к 12 апреля 2020 года, [9] что сделало ее первой в мире эксафлопная вычислительная система . Такой уровень производительности крупномасштабной вычислительной сети позволил исследователям проводить дорогостоящее моделирование сворачивания белка на атомном уровне в тысячи раз дольше, чем достигалось раньше. С момента своего запуска 1 октября 2000 года Folding@home принял участие в написании 226 научно-исследовательских работ . [10] Результаты моделирования проекта хорошо согласуются с экспериментами. [11] [12] [13]
Белки являются важным компонентом многих биологических функций и участвуют практически во всех процессах внутри биологических клеток . Они часто действуют как ферменты , выполняя биохимические реакции, включая передачу сигналов клеткам , молекулярный транспорт и клеточную регуляцию . В качестве структурных элементов некоторые белки действуют как своего рода скелет клеток и как антитела , тогда как другие белки участвуют в работе иммунной системы . Прежде чем белок сможет взять на себя эту роль, он должен свернуться в функциональную трехмерную структуру — процесс, который часто происходит спонтанно и зависит от взаимодействий внутри его аминокислотной последовательности и взаимодействий аминокислот с их окружением. Сворачивание белка обусловлено поиском наиболее энергетически выгодной конформации белка, т. е. его нативного состояния . Таким образом, понимание сворачивания белка имеет решающее значение для понимания того, что делает белок и как он работает, и считается Святым Граалем вычислительной биологии . [14] [15] Несмотря на то, что сворачивание происходит в густонаселенной клеточной среде , оно обычно протекает гладко. Однако из-за химических свойств белка или других факторов белки могут неправильно сворачиваться , то есть складываться не по тому пути и в конечном итоге деформироваться. Если клеточные механизмы не смогут разрушить или повторно свернуть неправильно свернутые белки, они могут впоследствии агрегироваться и вызывать различные изнурительные заболевания. [16] Лабораторные эксперименты по изучению этих процессов могут быть ограничены по объему и атомарным деталям, что побуждает ученых использовать основанные на физике вычислительные модели, которые, дополняя эксперименты, стремятся предоставить более полную картину сворачивания, неправильного сворачивания и агрегации белков. [17] [18]
Из-за сложности конформации или конфигурационного пространства белков (набора возможных форм, которые может принимать белок), а также ограничений вычислительных мощностей, полноатомное молекулярно-динамическое моделирование было сильно ограничено во временных масштабах, которые они могут изучать. Хотя большинство белков обычно сворачиваются в течение миллисекунд, [17] [19] до 2010 года моделирование могло достигать временных масштабов только от наносекунд до микросекунд. [11] Суперкомпьютеры общего назначения использовались для моделирования сворачивания белков, но такие системы по своей сути дорогостоящие и обычно используются многими исследовательскими группами. Кроме того, поскольку вычисления в кинетических моделях происходят последовательно, масштабирование традиционного молекулярного моделирования для этих архитектур исключительно затруднено. [20] [21] Более того, поскольку сворачивание белка является стохастическим процессом (то есть случайным) и может статистически меняться с течением времени, с вычислительной точки зрения сложно использовать длительное моделирование для комплексного представления процесса сворачивания. [22] [23]
Сворачивание белка не происходит в один этап. [16] Вместо этого белки проводят большую часть своего времени сворачивания, в некоторых случаях почти 96%, [24] ожидая в различных промежуточных конформационных состояниях, каждое из которых представляет собой локальный минимум термодинамической свободной энергии в энергетическом ландшафте белка . С помощью процесса, известного как адаптивная выборка , эти конформации используются Folding@home в качестве отправных точек для набора траекторий моделирования. По мере того как моделирование обнаруживает больше конформаций, траектории возобновляются с них, и на основе этого циклического процесса постепенно создается модель состояния Маркова (MSM). MSM — это модели основных уравнений дискретного времени , которые описывают конформационный и энергетический ландшафт биомолекулы как набор отдельных структур и коротких переходов между ними. Метод модели состояния Маркова с адаптивной выборкой значительно повышает эффективность моделирования, поскольку он позволяет избежать вычислений внутри самого локального минимума энергии и пригоден для распределенных вычислений (в том числе на GPUGRID ), поскольку позволяет статистически агрегировать короткие, независимые траектории моделирования. [25] Количество времени, необходимое для построения модели состояния Маркова, обратно пропорционально количеству запущенных параллельных симуляций, то есть количеству доступных процессоров. Другими словами, достигается линейное распараллеливание , что приводит к сокращению общего времени последовательных вычислений примерно на четыре порядка . Завершенный MSM может содержать десятки тысяч образцов состояний из фазового пространства белка (все конформации, которые может принять белок) и переходы между ними. Модель иллюстрирует события и пути складывания (т. е. маршруты), и исследователи могут позже использовать кинетическую кластеризацию для просмотра грубого представления очень подробной модели. Они могут использовать эти MSM, чтобы выявить, как белки неправильно сворачиваются, и количественно сравнить моделирование с экспериментами. [7] [22] [26]
В период с 2000 по 2010 год длина белков, которые изучала Folding@home, увеличилась в четыре раза, а временные рамки моделирования сворачивания белков увеличились на шесть порядков. [27] В 2002 году компания Folding@home использовала модели состояний Маркова для выполнения примерно миллиона процессорных дней моделирования в течение нескольких месяцев, [13] а в 2011 году MSM распараллелили еще одно моделирование, которое потребовало в общей сложности 10 миллионов процессорных часов вычислений. . [28] В январе 2010 года компания Folding@home использовала МСМ для моделирования динамики медленно сворачивающегося белка NTL9 из 32 остатков с точностью до 1,52 миллисекунды, что соответствует экспериментальным предсказаниям скорости сворачивания, но в тысячу раз дольше, чем достигалось ранее. Модель состояла из множества отдельных траекторий, каждая на два порядка короче, и обеспечивала беспрецедентный уровень детализации энергетического ландшафта белка. [7] [11] [29] В 2010 году исследователь Folding@home Грегори Боуман был награжден премией Томаса Куна за сдвиг парадигмы от Американского химического общества за разработку программного обеспечения MSMBuilder с открытым исходным кодом и за достижение количественного согласия между теорией и экспериментом. . [30] [31] За свою работу Панде был награжден Премией Майкла и Кейт Барани для молодых исследователей в 2012 году за «разработку определяющих и меняющих поля вычислительных методов для создания ведущих теоретических моделей сворачивания белков и РНК », [32] и премия Ирвинга Сигала молодому исследователю 2006 года за результаты моделирования, которые «стимулировали переосмысление значения как ансамблевых, так и одиночных измерений, что сделало усилия Панде новаторским вкладом в методологию моделирования». [33]
Неправильное сворачивание белка может привести к различным заболеваниям, включая болезнь Альцгеймера, рак , болезнь Крейцфельдта-Якоба , муковисцидоз , болезнь Хантингтона, серповидноклеточную анемию и диабет II типа . [16] [34] [35] Клеточная инфекция вирусами, такими как ВИЧ и грипп, также включает процессы сворачивания клеточных мембран . [36] Как только будет лучше изучено неправильное сворачивание белков, можно будет разработать методы лечения, которые улучшат естественную способность клеток регулировать сворачивание белков. Такие методы лечения включают использование сконструированных молекул для изменения производства данного белка, помощи в разрушении неправильно свернутого белка или помощи в процессе сворачивания. [37] Сочетание компьютерного молекулярного моделирования и экспериментального анализа дает возможность фундаментально сформировать будущее молекулярной медицины и рациональный дизайн терапии , [18] например, ускорить и снизить затраты на открытие лекарств . [38] Целью первых пяти лет Folding@home было добиться прогресса в понимании складывания, а нынешняя цель — понять неправильное сворачивание и связанные с ним заболевания, особенно болезнь Альцгеймера. [39]
Моделирование, проводимое в Folding@home, используется в сочетании с лабораторными экспериментами [22] , но исследователи могут использовать их для изучения того, чем сворачивание in vitro отличается от сворачивания в нативной клеточной среде. Это полезно при изучении аспектов сворачивания, неправильного сворачивания и их связи с болезнями, которые трудно наблюдать экспериментально. Например, в 2011 году Folding@home смоделировала сворачивание белка внутри выходного туннеля рибосом , чтобы помочь ученым лучше понять, как естественное ограничение и скученность могут повлиять на процесс сворачивания. [40] [41] Кроме того, ученые обычно используют химические денатуранты , чтобы вывести белки из их стабильного нативного состояния. В целом неизвестно, как денатурант влияет на рефолдинг белка, и трудно экспериментально определить, содержат ли эти денатурированные состояния остаточные структуры, которые могут влиять на поведение сворачивания. В 2010 году компания Folding@home использовала графические процессоры для моделирования развернутого состояния белка L и предсказала скорость его коллапса, что полностью согласуется с экспериментальными результатами. [42]
Большие наборы данных проекта бесплатно доступны для использования другими исследователями по запросу, а к некоторым можно получить доступ на веб-сайте Folding@home. [43] [44] Лаборатория Панде сотрудничает с другими системами молекулярной динамики, такими как суперкомпьютер Blue Gene , [45] и они делятся ключевым программным обеспечением Folding@home с другими исследователями, так что алгоритмы, которые принесли пользу Folding@home, могут помочь другим научные области. [43] В 2011 году они выпустили программное обеспечение Copernicus с открытым исходным кодом, которое основано на MSM Folding@home и других методах распараллеливания и направлено на повышение эффективности и масштабируемости молекулярного моделирования на больших компьютерных кластерах или суперкомпьютерах . [46] [47] Краткое изложение всех научных результатов Folding@home публикуется на веб-сайте Folding@home после публикации. [48]
Болезнь Альцгеймера — неизлечимое нейродегенеративное заболевание, которое чаще всего поражает пожилых людей и составляет более половины всех случаев деменции . Его точная причина остается неизвестной, но болезнь идентифицирована как болезнь неправильного сворачивания белка . Болезнь Альцгеймера связана с токсическими агрегациями пептида бета-амилоида ( Aβ) , вызванными неправильным сворачиванием Aβ и слипанием его с другими пептидами Aβ. Эти агрегаты Aβ затем превращаются в значительно более крупные сенильные бляшки , патологический маркер болезни Альцгеймера. [49] [50] [51] Из-за гетерогенной природы этих агрегатов экспериментальные методы, такие как рентгеновская кристаллография и ядерный магнитный резонанс (ЯМР), не смогли охарактеризовать их структуру. Более того, атомное моделирование агрегации Aβ требует больших вычислительных затрат из-за их размера и сложности. [52] [53]
По мнению Наима и Фазили в обзорной статье литературы , предотвращение агрегации Aβ является многообещающим методом разработки терапевтических препаратов для лечения болезни Альцгеймера . [54] В 2008 году компания Folding@home смоделировала динамику агрегации Aβ с точностью до атомов в течение времени порядка десятков секунд. Предыдущие исследования смогли смоделировать только около 10 микросекунд. Folding@home смог имитировать сворачивание Aβ на шесть порядков дольше, чем это было возможно раньше. Исследователи использовали результаты этого исследования, чтобы идентифицировать бета-шпильку , которая была основным источником молекулярных взаимодействий внутри структуры. [55] Исследование помогло подготовить лабораторию Панде к будущим исследованиям агрегации, а также к дальнейшим исследованиям по поиску небольшого пептида, который может стабилизировать процесс агрегации. [52]
В декабре 2008 года компания Folding@home обнаружила несколько небольших потенциальных лекарств, которые, по-видимому, ингибируют токсичность агрегатов Aβ. [56] В 2010 году в тесном сотрудничестве с Центром машин для сворачивания белков эти препараты начали тестироваться на биологических тканях . [35] В 2011 году компания Folding@home завершила моделирование нескольких мутаций Aβ, которые, по-видимому, стабилизируют образование агрегатов, что могло бы помочь в разработке терапевтических лекарственных средств для лечения этого заболевания и значительно помочь в экспериментальных исследованиях спектроскопии ядерного магнитного резонанса олигомеров Aβ. . [53] [57] Позже в том же году Folding@home начала моделирование различных фрагментов Aβ, чтобы определить, как различные природные ферменты влияют на структуру и сворачивание Aβ. [58] [59]
Болезнь Хантингтона — нейродегенеративное генетическое заболевание , связанное с неправильным сворачиванием и агрегацией белков. Избыточные повторы аминокислоты глютамин на N-конце белка хантингтина вызывают агрегацию, и хотя поведение повторов до конца не изучено, оно действительно приводит к снижению когнитивных функций, связанному с заболеванием. [60] Как и в случае с другими агрегатами, существует трудность в экспериментальном определении его структуры. [61] Ученые используют Folding@home для изучения структуры агрегата белка хантингтина и прогнозирования того, как он формируется, помогая разработать рациональные методы разработки лекарств, чтобы остановить образование агрегатов. [35] Фрагмент N17 белка хантингтина ускоряет эту агрегацию, и хотя было предложено несколько механизмов, его точная роль в этом процессе остается в значительной степени неизвестной. [62] Компания Folding@home смоделировала этот и другие фрагменты, чтобы выяснить их роль в заболевании. [63] С 2008 года методы разработки лекарств от болезни Альцгеймера были применены к болезни Хантингтона. [35]
Более половины всех известных видов рака связаны с мутациями р53 , белка -супрессора опухолей , присутствующего в каждой клетке, который регулирует клеточный цикл и сигнализирует о гибели клеток в случае повреждения ДНК . Специфические мутации р53 могут нарушить эти функции, позволяя аномальной клетке продолжать беспрепятственный рост, что приводит к развитию опухолей . Анализ этих мутаций помогает объяснить коренные причины рака, связанного с р53. [64] В 2004 году Folding@home была использована для проведения первого молекулярно-динамического исследования рефолдинга димера белка p53 при полноатомном моделировании воды . Результаты моделирования согласовались с экспериментальными наблюдениями и дали представление о рефолдинге димера, которое раньше было невозможно получить. [65] Это была первая рецензируемая публикация о раке в рамках проекта распределенных вычислений. [66] В следующем году Folding@home разработал новый метод определения аминокислот, имеющих решающее значение для стабильности данного белка, который затем был использован для изучения мутаций р53. Этот метод оказался достаточно успешным в выявлении мутаций, способствующих раку, и в определении эффектов конкретных мутаций, которые иначе невозможно было бы измерить экспериментально. [67]
Folding@home также используется для изучения белков-шаперонов , [35] белков теплового шока , которые играют важную роль в выживании клеток, помогая сворачивать другие белки в переполненной и химически стрессовой среде внутри клетки. Быстрорастущие раковые клетки полагаются на специфические шапероны, а некоторые шапероны играют ключевую роль в устойчивости к химиотерапии . Ингибирование этих специфических шаперонов рассматривается как потенциальный способ действия эффективных химиотерапевтических препаратов или снижения распространения рака. [68] Используя Folding@home и тесно сотрудничая с Центром машин для сворачивания белков, лаборатория Панде надеется найти препарат, который ингибирует шапероны, участвующие в раковых клетках. [69] Исследователи также используют Folding@home для изучения других молекул, связанных с раком, таких как фермент Src-киназа и некоторые формы закрепленного гомеодомена : большого белка, который может быть вовлечен во многие заболевания, включая рак. [70] [71] В 2011 году компания Folding@home начала моделирование динамики небольшого белка EETI, который может идентифицировать карциномы при сканировании изображений путем связывания с поверхностными рецепторами раковых клеток. [72] [73]
Интерлейкин 2 (IL-2) — это белок, который помогает Т-клеткам иммунной системы атаковать патогены и опухоли. Однако его использование для лечения рака ограничено из-за серьезных побочных эффектов, таких как отек легких . IL-2 связывается с этими легочными клетками иначе, чем с Т-клетками, поэтому исследования IL-2 включают понимание различий между этими механизмами связывания. В 2012 году Folding@home помогла открыть мутантную форму IL-2, которая в триста раз более эффективна в своей роли в иммунной системе, но имеет меньше побочных эффектов. В экспериментах эта измененная форма значительно превзошла природный IL-2 в замедлении роста опухоли. Фармацевтические компании проявили интерес к мутантной молекуле, а Национальные институты здравоохранения тестируют ее на большом количестве моделей опухолей, чтобы попытаться ускорить ее разработку в качестве терапевтического средства. [74] [75]
Несовершенный остеогенез , известный как болезнь хрупких костей, представляет собой неизлечимое генетическое заболевание костей, которое может привести к летальному исходу. Больные этим заболеванием не способны создавать функциональную соединительную костную ткань. Чаще всего это происходит из-за мутации коллагена типа I [76] , который выполняет множество структурных ролей и является наиболее распространенным белком у млекопитающих . [77] Мутация вызывает деформацию структуры тройной спирали коллагена , которая, если не разрушается естественным путем, приводит к аномальной и ослабленной костной ткани. [78] В 2005 году компания Folding@home протестировала новый квантово-механический метод, который усовершенствовал предыдущие методы моделирования и может быть полезен для будущих компьютерных исследований коллагена. [79] Хотя исследователи использовали Folding@home для изучения сворачивания и неправильного сворачивания коллагена, этот интерес представляет собой пилотный проект по сравнению с исследованиями болезни Альцгеймера и Хантингтона. [35]
Folding@home помогает в исследованиях, направленных на предотвращение распознавания и проникновения некоторых вирусов , таких как грипп и ВИЧ , в биологические клетки . [35] В 2011 году компания Folding@home начала моделирование динамики фермента РНКазы H , ключевого компонента ВИЧ, чтобы попытаться разработать лекарства для его дезактивации. [80] Folding@home также использовался для изучения слияния мембран , важного события для вирусной инфекции и широкого спектра биологических функций. Это слияние включает конформационные изменения слитых вирусных белков и стыковку белков [36] , но точные молекулярные механизмы, лежащие в основе слияния, остаются в значительной степени неизвестными. [81] События термоядерного синтеза могут состоять из более чем полумиллиона атомов, взаимодействующих в течение сотен микросекунд. Эта сложность ограничивает типичное компьютерное моделирование примерно десятью тысячами атомов за десятки наносекунд: разница в несколько порядков. [55] Разработка моделей для прогнозирования механизмов слияния мембран поможет научному пониманию того, как нацелить этот процесс с помощью противовирусных препаратов. [82] В 2006 году ученые применили модели состояний Маркова и сеть Folding@home, чтобы обнаружить два пути слияния и получить другие механистические идеи. [55]
После подробного моделирования малых клеток, известных как везикулы , в 2007 году лаборатория Панде представила новый вычислительный метод для измерения топологии их структурных изменений во время слияния. [83] В 2009 году исследователи использовали Folding@home для изучения мутаций гемагглютинина гриппа , белка, который прикрепляет вирус к клетке- хозяину и способствует проникновению вируса. Мутации гемагглютинина влияют на то, насколько хорошо белок связывается с молекулами рецепторов клеточной поверхности хозяина , что определяет, насколько заразен штамм вируса для организма хозяина. Знание последствий мутаций гемагглютинина помогает в разработке противовирусных препаратов . [84] [85] По состоянию на 2012 год Folding@home продолжает моделировать сворачивание и взаимодействие гемагглютинина, дополняя экспериментальные исследования в Университете Вирджинии . [35] [86]
В марте 2020 года Folding@home запустила программу помощи исследователям по всему миру, которые работают над поиском лекарства и узнают больше о пандемии коронавируса . Первоначальная волна проектов потенциально моделирует белковые мишени, содержащие лекарственные препараты, из вируса SARS-CoV-2 и родственного вируса SARS-CoV, о котором доступно значительно больше данных. [87] [88] [89]
Лекарства действуют, связываясь с определенными участками молекул-мишеней и вызывая некоторые желаемые изменения, такие как отключение мишени или вызывание конформационных изменений . В идеале лекарство должно действовать очень специфично и связываться только с мишенью, не мешая другим биологическим функциям. Однако трудно точно определить, где и насколько прочно свяжутся две молекулы. Из-за ограничений вычислительной мощности современные методы in silico обычно должны жертвовать скоростью ради точности ; например, используйте методы быстрой стыковки белков вместо дорогостоящих вычислений свободной энергии . Вычислительная производительность Folding@home позволяет исследователям использовать оба метода и оценить их эффективность и надежность. [39] [90] [91] Компьютерная разработка лекарств может ускорить и снизить затраты на разработку лекарств. [38] В 2010 году компания Folding@home использовала MSM и расчеты свободной энергии для прогнозирования нативного состояния белка виллина с точностью до 1,8 ангстрем (Å) среднеквадратического отклонения (RMSD) от кристаллической структуры, экспериментально определенной с помощью рентгеновской кристаллографии . Эта точность имеет значение для будущих методов прогнозирования структуры белков , в том числе для внутренне неструктурированных белков . [55] Ученые использовали Folding@home для исследования устойчивости к лекарствам , изучая ванкомицин , антибиотик последней инстанции , и бета-лактамазу , белок, который может расщеплять антибиотики, такие как пенициллин . [92] [93]
Химическая активность происходит вдоль активного центра белка . Традиционные методы создания лекарств предполагают прочное связывание с этим сайтом и блокирование его активности в предположении, что целевой белок существует в одной жесткой структуре. Однако этот подход работает примерно только для 15% всех белков. Белки содержат аллостерические сайты , которые при связывании с небольшими молекулами могут изменять конформацию белка и в конечном итоге влиять на его активность. Эти сайты являются привлекательными целями для наркотиков, но их обнаружение требует очень больших вычислительных затрат . В 2012 году Folding@home и MSM были использованы для идентификации аллостерических сайтов в трех важных с медицинской точки зрения белках: бета-лактамазе, интерлейкине-2 и РНКазе H. [93] [94]
Примерно половина всех известных антибиотиков вмешиваются в работу рибосомы бактерий — большого и сложного биохимического механизма, который осуществляет биосинтез белка путем перевода информационной РНК в белки. Макролидные антибиотики закупоривают выходной туннель рибосомы, препятствуя синтезу необходимых бактериальных белков. В 2007 году лаборатория Панде получила грант на исследование и разработку новых антибиотиков. [35] В 2008 году они использовали Folding@home, чтобы изучить внутреннюю часть этого туннеля и то, как на него могут влиять определенные молекулы. [95] Полная структура рибосомы была определена только по состоянию на 2011 год, и Folding@home также смоделировала рибосомальные белки , поскольку многие из их функций остаются в значительной степени неизвестными. [96]
Как и другие проекты распределенных вычислений , Folding@home — это гражданский онлайн- проект. В этих проектах неспециалисты вносят свой вклад в вычислительную мощность компьютеров или помогают анализировать данные, полученные профессиональными учеными. Участники получают мало или вообще не получают очевидного вознаграждения.
Были проведены исследования мотивации гражданских ученых, и большинство этих исследований показали, что участники мотивированы к участию по альтруистическим причинам; то есть они хотят помочь ученым и внести вклад в развитие их исследований. [97] [98] [99] [100] Многие участники гражданской науки имеют глубинный интерес к теме исследования и тяготеют к проектам, которые относятся к интересующим их дисциплинам. Folding@home в этом отношении ничем не отличается. [101] Исследование, проведенное недавно среди более чем 400 активных участников, показало, что они хотели внести свой вклад в исследования и что у многих из них есть друзья или родственники, страдающие болезнями, которые исследуют ученые Folding@home.
Folding@home привлекает участников-энтузиастов компьютерного оборудования. Эти группы привносят в проект значительный опыт и способны создавать компьютеры с повышенной вычислительной мощностью. [102] [ для проверки нужна цитата ] Другие проекты распределенных вычислений привлекают участников такого типа, и проекты часто используются для оценки производительности модифицированных компьютеров, и этот аспект хобби учитывается за счет конкурентного характера проекта. Отдельные люди и команды могут соревноваться в том, кто сможет обработать больше всего компьютерных процессоров (ЦП).
Это последнее исследование Folding@home, включающее интервью и этнографическое наблюдение за онлайн-группами, показало, что команды энтузиастов аппаратного обеспечения иногда могут работать вместе, обмениваясь передовым опытом в отношении максимизации производительности обработки. Такие команды могут стать сообществами практиков с общим языком и онлайн-культурой. Подобная модель участия наблюдалась и в других проектах распределенных вычислений. [103] [104]
Еще одно ключевое наблюдение участников Folding@home заключается в том, что многие из них — мужчины. [101] Это также наблюдалось и в других распределенных проектах. Кроме того, многие участники работают и работают в сфере компьютеров и технологий. [101] [105] [106]
Не все участники Folding@home являются энтузиастами аппаратного обеспечения. Многие участники запускают программное обеспечение проекта на немодифицированных машинах и принимают участие в соревнованиях. К январю 2020 года количество пользователей сократилось до 30 000. [107] Однако трудно определить, какая часть участников является энтузиастами аппаратного обеспечения. Хотя, по мнению руководителей проекта, вклад сообщества энтузиастов существенно больше с точки зрения вычислительной мощности. [108]
Производительность суперкомпьютера в FLOPS оценивается с помощью устаревшего теста LINPACK . Это краткосрочное тестирование затрудняет точное отражение устойчивой производительности при решении реальных задач, поскольку LINPACK более эффективно сопоставляется с аппаратным обеспечением суперкомпьютера. Вычислительные системы различаются по архитектуре и дизайну, поэтому прямое сравнение затруднено. Несмотря на это, FLOPS остаются основным показателем скорости, используемым в суперкомпьютерах. [109] [ для проверки нужна цитата ] Напротив, Folding@home определяет свои FLOPS, используя время настенных часов , измеряя, сколько времени требуется для выполнения его рабочих единиц. [110]
16 сентября 2007 года, во многом благодаря участию консолей PlayStation 3, проект Folding@home официально достиг устойчивого уровня производительности, превышающего один собственный петафлопс , став первой вычислительной системой любого типа, добившейся этого. [111] [112] Самым быстрым суперкомпьютером Top500 в то время был BlueGene/L с производительностью 0,280 петафлопс. [113] В следующем году, 7 мая 2008 года, проект достиг устойчивого уровня производительности, превышающего два собственных петафлопс, [114] за которыми последовали три и четыре основных петафлопс в августе 2008 года [115] [116] и 28 сентября. , 2008 г. соответственно. [117] 18 февраля 2009 года Folding@home достиг пяти собственных петафлопс, [118] [119] и стал первым компьютерным проектом, достигшим этих пяти уровней. [120] [121] Для сравнения, в ноябре 2008 года самым быстрым суперкомпьютером был IBM Roadrunner с производительностью 1,105 петафлопс. [122] 10 ноября 2011 года производительность Folding@home превысила шесть собственных петафлопс, что эквивалентно почти восьми x86 петафлопс. [112] [123] В середине мая 2013 года Folding@home достигла более семи петафлопс, что эквивалентно 14,87 x86 петафлопс. Затем 21 июня он достиг восьми собственных петафлопс, а 9 сентября того же года - девяти с 17,9 x86 петафлопс. [124] 11 мая 2016 г. компания Folding@home объявила, что приближается к отметке в 100 x86 петафлопс. [125]
Дальнейшее использование выросло благодаря повышению осведомленности и участию в проекте из-за пандемии коронавируса в 2020 году. 20 марта 2020 года Folding@home объявил через Twitter, что он работает с более чем 470 собственными петафлопсами, [126] что эквивалентно 958 x86 петафлопс. [127] К 25 марта она достигла 768 петафлопс, или 1,5 x86 эксафлопс, что сделало ее первой вычислительной системой exaFLOP . [128]
По состоянию на 20 января 2024 года [update]вычислительная мощность Folding@home составляет 28 петафлопс или 54 x86 петафлопс. [129]
Как и в других проектах распределенных вычислений, Folding@home количественно оценивает вклад пользователей в проект с помощью кредитной системы. [130] Все единицы данного белкового проекта имеют единую базовую оценку, которая определяется путем сравнительного анализа одной или нескольких рабочих единиц этого проекта на официальной эталонной машине перед выпуском проекта. [130] Каждый пользователь получает эти базовые баллы за выполнение каждой рабочей единицы, хотя с помощью ключа доступа он может получить дополнительные бонусные баллы за надежное и быстрое завершение блоков, которые требуют больше вычислительных затрат или имеют больший научный приоритет. [131] [132] Пользователи также могут получать признание за свою работу от клиентов на нескольких машинах. [133] Эта система баллов пытается согласовать присуждаемые баллы с ценностью научных результатов. [130]
Пользователи могут регистрировать свой вклад в составе команды, которая объединяет баллы всех своих участников. Пользователь может создать свою собственную команду или присоединиться к существующей команде. В некоторых случаях команда может иметь собственные источники помощи или набора персонала, управляемые сообществом, например Интернет-форум . [134] Очки могут способствовать дружескому соревнованию между отдельными людьми и командами в целях получения максимальной отдачи от проекта, что может принести пользу складному сообществу и ускорить научные исследования. [130] [135] [136] Индивидуальная и командная статистика публикуется на сайте Folding@home. [130]
Если пользователь не формирует новую команду или не присоединяется к существующей команде, этот пользователь автоматически становится частью команды «по умолчанию». Эта команда «по умолчанию» имеет номер команды «0». Статистика накапливается как для этой «стандартной» команды, так и для специально названных команд.
Программное обеспечение Folding@home на стороне пользователя включает в себя три основных компонента: рабочие блоки, ядра и клиент.
Рабочая единица — это белковые данные, которые клиенту предлагается обработать. Рабочие единицы — это часть симуляции между состояниями в марковской модели . После того как рабочий блок загружен и полностью обработан на компьютере волонтера, он возвращается на серверы Folding@home, которые затем начисляют волонтеру кредитные баллы. Этот цикл повторяется автоматически. [135] Все рабочие единицы имеют связанные сроки, и если этот срок превышен, пользователь может не получить кредит, и единица будет автоматически перевыдана другому участнику. Поскольку сворачивание белков происходит последовательно, и многие рабочие единицы генерируются из своих предшественников, это позволяет общему процессу моделирования продолжаться нормально, если рабочая единица не возвращается по истечении разумного периода времени. В связи с этими сроками минимальным системным требованием для Folding@home является процессор Pentium 3 450 МГц с потоковыми расширениями SIMD (SSE). [133] Однако рабочие единицы для высокопроизводительных клиентов имеют гораздо более короткие сроки, чем для однопроцессорных клиентов, поскольку большая часть научной выгоды зависит от быстрого завершения моделирования. [137]
Перед публичным выпуском рабочие подразделения проходят несколько этапов обеспечения качества , чтобы проблемные из них не стали полностью доступными. Эти этапы тестирования включают внутреннее, бета-тестирование и расширенное тестирование перед окончательным полным выпуском для Folding@home. [138] Рабочие единицы Folding@home обычно обрабатываются только один раз, за исключением редких случаев, когда во время обработки возникают ошибки. Если это происходит с тремя разными пользователями, устройство автоматически снимается с распространения. [139] [140] Форум поддержки Folding@home можно использовать для различения проблем, возникающих из-за проблемного оборудования и неисправных рабочих устройств. [141]
Специализированные программы молекулярной динамики, называемые «FahCores» и часто сокращенно «ядра», выполняют вычисления на рабочей единице в качестве фонового процесса . Подавляющее большинство ядер Folding@home основано на GROMACS , [135] одном из самых быстрых и популярных пакетов программного обеспечения для молекулярной динамики, который в основном состоит из вручную оптимизированного кода на языке ассемблера и аппаратных оптимизаций. [142] [143] Хотя GROMACS является программным обеспечением с открытым исходным кодом и существует совместная работа лаборатории Pande и разработчиков GROMACS, Folding@home использует лицензию с закрытым исходным кодом , чтобы обеспечить достоверность данных. [144] Менее активные ядра включают ProtoMol и SHARPEN. Folding@home использовала AMBER , CPMD , Desmond и TINKER , но с тех пор они выведены из эксплуатации и больше не находятся в активной эксплуатации. [4] [145] [146] Некоторые из этих ядер выполняют явные сольватационные расчеты, в которых окружающий растворитель (обычно вода) моделируется атом за атомом; в то время как другие используют неявные методы сольватации, где растворитель рассматривается как математический континуум. [147] [148] Ядро отделено от клиента, что позволяет автоматически обновлять научные методы без необходимости обновления клиента. Ядра периодически создают контрольные точки вычислений , чтобы в случае их прерывания они могли возобновить работу с этой точки при запуске. [135]
Участник Folding@home устанавливает клиентскую программу на свой персональный компьютер . Пользователь взаимодействует с клиентом, который в фоновом режиме управляет другими программными компонентами. Через клиент пользователь может приостановить процесс складывания, открыть журнал событий, проверить ход работы или просмотреть личную статистику. [149] Компьютерные клиенты постоянно работают в фоновом режиме с очень низким приоритетом, используя простаивающие вычислительные мощности, поэтому на обычное использование компьютера это не влияет. [133] Максимальное использование ЦП можно отрегулировать в настройках клиента. [149] [150] Клиент подключается к серверу Folding@home и получает рабочий блок, а также может загрузить соответствующее ядро для настроек клиента, операционной системы и базовой аппаратной архитектуры. После обработки рабочая единица возвращается на серверы Folding@home. Компьютерные клиенты адаптированы для однопроцессорных и многоядерных процессорных систем, а также графических процессоров . Разнообразие и мощность каждой аппаратной архитектуры обеспечивают Folding@home возможность эффективно и своевременно выполнять многие типы моделирования (в течение нескольких недель или месяцев, а не лет), что имеет значительную научную ценность. Вместе эти клиенты позволяют исследователям изучать биомедицинские вопросы, которые раньше считались непрактичными для решения с помощью вычислений. [39] [135] [137]
Профессиональные разработчики программного обеспечения несут ответственность за большую часть кода Folding@home, как на стороне клиента, так и на стороне сервера. В команду разработчиков входят программисты из Nvidia , ATI , Sony и Cauldron Development. [151] Клиенты можно загрузить только с официального веб-сайта Folding@home или его коммерческих партнеров, и они будут взаимодействовать только с компьютерными файлами Folding@home. Они будут загружать и скачивать данные с серверов данных Folding@home (через порт 8080, с альтернативным портом 80), а связь проверяется с помощью 2048-битных цифровых подписей . [133] [152] Хотя графический интерфейс пользователя (GUI) клиента имеет открытый исходный код, [153] клиент является проприетарным программным обеспечением, в качестве причин которого упоминается безопасность и научная честность. [154] [155] [156]
Однако такое обоснование использования проприетарного программного обеспечения оспаривается, поскольку, хотя лицензия может быть принудительно применена в юридической сфере ретроспективно, она практически не предотвращает модификацию (также известную как исправление ) исполняемых двоичных файлов . Аналогично, распространение только двоичных файлов не предотвращает злонамеренную модификацию исполняемого двоичного кода ни посредством атаки «человек посередине» во время загрузки через Интернет [157] , ни путем перераспределения двоичных файлов третьей стороной. которые были ранее изменены либо в их двоичном состоянии (т.е. исправлены ), [158] , либо путем декомпиляции [159] и перекомпиляции их после модификации. [160] [161] Эти модификации возможны, если двоичные файлы – и транспортный канал – не подписаны, а лицо/система-получатель не может проверить цифровую подпись, и в этом случае необоснованные модификации должны быть обнаружены, но не всегда. [162] В любом случае, поскольку в случае Folding@home и входные данные, и выходные результаты, обработанные клиентским программным обеспечением, имеют цифровую подпись, [133] [152] целостность работы может быть проверена независимо от целостности само клиентское программное обеспечение.
Folding@home использует библиотеки программного обеспечения Cosm для работы в сети. [135] [151] Folding@home был запущен 1 октября 2000 года и стал первым проектом распределенных вычислений , нацеленным на биомолекулярные системы. [163] Его первым клиентом была заставка , которая запускалась, пока компьютер не использовался иным образом. [164] [165] В 2004 году лаборатория Pande в сотрудничестве с Дэвидом П. Андерсоном протестировала дополнительный клиент на платформе BOINC с открытым исходным кодом. Закрытая бета-версия этого клиента была выпущена в апреле 2005 года; [166] однако метод стал неработоспособным и был отложен в июне 2006 г. [167]
Специализированное аппаратное обеспечение графических процессоров (GPU) предназначено для ускорения рендеринга трехмерных графических приложений, таких как видеоигры, и может значительно превосходить процессоры в некоторых типах вычислений. Графические процессоры являются одной из самых мощных и быстрорастущих вычислительных платформ, и многие ученые и исследователи занимаются вычислениями общего назначения на графических процессорах (GPGPU). Однако аппаратное обеспечение графического процессора сложно использовать для задач, не связанных с графикой, и обычно оно требует значительной реструктуризации алгоритма и глубокого понимания базовой архитектуры. [168] Такая настройка является сложной задачей, особенно для исследователей с ограниченными ресурсами разработки программного обеспечения. Folding@home использует библиотеку OpenMM с открытым исходным кодом , которая использует шаблон проектирования моста с двумя уровнями интерфейса прикладного программирования (API) для сопряжения программного обеспечения молекулярного моделирования с базовой аппаратной архитектурой. Благодаря добавлению аппаратной оптимизации моделирование графического процессора на основе OpenMM не требует значительных модификаций, но обеспечивает производительность, почти равную настраиваемому вручную коду графического процессора, и значительно превосходит по производительности реализации процессора. [147] [169]
До 2010 года вычислительная надежность оборудования потребительского уровня с GPGPU была практически неизвестна, а косвенные доказательства, связанные с отсутствием встроенной системы обнаружения и исправления ошибок в памяти графического процессора, вызывали опасения по поводу надежности. В ходе первого крупномасштабного теста научной точности графических процессоров исследование более 20 000 хостов в сети Folding@home, проведенное в 2010 году, выявило программные ошибки в подсистемах памяти двух третей протестированных графических процессоров. Эти ошибки сильно коррелировали с архитектурой платы, хотя исследование пришло к выводу, что надежные вычисления на графическом процессоре вполне возможны, если уделять внимание особенностям оборудования, таким как обнаружение ошибок на стороне программного обеспечения. [170]
Первое поколение графического клиента Folding@home (GPU1) было выпущено для публики 2 октября 2006 года, [167] обеспечивая ускорение некоторых вычислений в 20–30 раз по сравнению с аналогами GROMACS на базе ЦП . [171] Это был первый раз, когда графические процессоры использовались как для распределенных вычислений, так и для крупных расчетов молекулярной динамики. [172] [173] GPU1 дал исследователям значительные знания и опыт в разработке программного обеспечения GPGPU , но в ответ на научные неточности с DirectX 10 апреля 2008 года на смену ему пришел GPU2, второе поколение клиента. [171] [174] После появления GPU2 6 июня GPU1 был официально прекращен. [171] По сравнению с GPU1, GPU2 был более надежным и производительным с научной точки зрения, работал на графических процессорах Nvidia с поддержкой ATI и CUDA и поддерживал более продвинутые алгоритмы. , более крупные белки и визуализация моделирования белка в реальном времени. [175] [176] Вслед за этим 25 мая 2010 года было выпущено третье поколение клиента GPU Folding@home (GPU3). Несмотря на обратную совместимость с GPU2, GPU3 был более стабильным, эффективным и гибким в своих научных возможностях, [175] [176] 177] и использовал OpenMM поверх инфраструктуры OpenCL . [177] [178] Хотя эти клиенты GPU3 изначально не поддерживали операционные системы Linux и macOS , пользователи Linux с видеокартами Nvidia могли запускать их через программное приложение Wine . [179] [180] Графические процессоры остаются самой мощной платформой Folding@home по количеству FLOPS . По состоянию на ноябрь 2012 года на клиенты GPU приходится 87% пропускной способности x86 FLOPS всего проекта. [181]
Встроенная поддержка видеокарт Nvidia и AMD под Linux была представлена в FahCore 17, который использует OpenCL, а не CUDA. [182]
С марта 2007 года по ноябрь 2012 года Folding@home использовала вычислительные мощности PlayStation 3 . На момент своего создания основной потоковый процессор Cell обеспечивал увеличение скорости некоторых вычислений в 20 раз по сравнению с ПК, вычислительная мощность которого не могла быть найдена в других системах, таких как Xbox 360 . [39] [183] Высокая скорость и эффективность PS3 открыли новые возможности для полезной оптимизации в соответствии с законом Амдала и значительно изменили соотношение между эффективностью вычислений и общей точностью, позволяя использовать более сложные молекулярные модели с небольшими дополнительными вычислительными затратами. [184] Это позволило Folding@home проводить биомедицинские расчеты, которые иначе были бы невозможны с вычислительной точки зрения. [185]
Клиент PS3 был разработан совместными усилиями Sony и лаборатории Pande и впервые был выпущен как отдельный клиент 23 марта 2007 года. [39] [186] Его выпуск сделал Folding@home первым проектом распределенных вычислений, использующим PS3. [187] 18 сентября следующего года клиент PS3 стал каналом Life с PlayStation при его запуске. [188] [189] По типам вычислений, которые он мог выполнять, на момент своего появления клиент находился между гибкостью процессора и скоростью графического процессора. [135] Однако, в отличие от клиентов, работающих на персональных компьютерах , пользователи не могли выполнять другие действия на своей PS3 во время работы Folding@home. [185] Единая среда консоли PS3 упростила техническую поддержку и сделала Folding@home более удобной для пользователя . [39] PS3 также имела возможность быстрой потоковой передачи данных на свой графический процессор, который использовался для визуализации текущей динамики белка на атомном уровне в реальном времени. [184]
6 ноября 2012 г. Sony прекратила поддержку клиента Folding@home для PS3 и других услуг, доступных в рамках Life with PlayStation. За пять лет и семь месяцев более 15 миллионов пользователей потратили более 100 миллионов часов на компьютеры Folding@home, что значительно помогло проекту в исследовании заболеваний. После обсуждений с лабораторией Pande Sony решила прекратить действие приложения. Панде считал клиент PlayStation 3 «изменителем правил игры» для проекта. [190] [191] [192]
Folding@home может использовать возможности параллельных вычислений современных многоядерных процессоров. Возможность одновременного использования нескольких ядер ЦП позволяет выполнить полное моделирование намного быстрее. Работая вместе, эти ядра ЦП выполняют отдельные рабочие задачи пропорционально быстрее, чем стандартный однопроцессорный клиент. Этот метод имеет научную ценность, поскольку он позволяет выполнять гораздо более длинные траектории моделирования за тот же промежуток времени и уменьшает традиционные трудности масштабирования большого моделирования на множество отдельных процессоров. [193] В публикации 2007 года в Журнале молекулярной биологии использовалась многоядерная обработка для моделирования сворачивания части белка виллина примерно в 10 раз дольше, чем это было возможно с однопроцессорным клиентом, что согласуется с экспериментальными скоростями сворачивания. [194]
В ноябре 2006 года клиенты симметричной многопроцессорной обработки (SMP) первого поколения были публично выпущены для открытого бета-тестирования, получившие название SMP1. [167] Эти клиенты использовали протоколы связи интерфейса передачи сообщений (MPI) для параллельной обработки, поскольку в то время ядра GROMACS не были предназначены для использования с несколькими потоками. [137] Это был первый раз, когда проект распределенных вычислений использовал MPI. [195] Хотя клиенты хорошо работали в операционных системах на базе Unix , таких как Linux и macOS, они создавали проблемы в Windows . [193] [195] 24 января 2010 года SMP2, второе поколение клиентов SMP и преемник SMP1, было выпущено в виде открытой бета-версии и заменило сложный MPI более надежной реализацией на основе потоков . [132] [151]
SMP2 поддерживает испытание особой категории рабочих модулей bigadv , предназначенных для моделирования белков, которые являются необычно большими и требуют больших вычислительных ресурсов и имеют большой научный приоритет. Первоначально этим устройствам требовалось минимум восемь ядер ЦП, [196] которое позже, 7 февраля 2012 года, было увеличено до шестнадцати. [ 197] Наряду с этими дополнительными требованиями к оборудованию по сравнению со стандартными рабочими блоками SMP2, они требуют больше системных ресурсов, таких как -доступ к памяти (ОЗУ) и пропускной способности Интернета . Взамен пользователи, которые их запускают, получают на 20% больше бонусных баллов по сравнению с системой бонусных баллов SMP2. [198] Категория bigadv позволяет Folding@home запускать особенно требовательные симуляции в течение длительного времени, которые раньше требовали использования суперкомпьютерных кластеров и не могли быть выполнены где-либо еще на Folding@home. [196] Многие пользователи с аппаратным обеспечением, способным запускать блоки bigadv, позже считали свою аппаратную установку неприемлемой для рабочих блоков bigadv, когда минимум ядер ЦП был увеличен, в результате чего они могли запускать только обычные рабочие блоки SMP. Это расстроило многих пользователей, которые вложили значительные суммы денег в программу, но вскоре после этого их оборудование устарело для целей bigadv. В результате в январе 2014 года Панде объявил, что программа bigadv завершится 31 января 2015 года. [199]
Клиент V7 представляет собой седьмое и последнее поколение клиентского программного обеспечения Folding@home и представляет собой полную переработку и унификацию предыдущих клиентов для операционных систем Windows , macOS и Linux . [200] [201] Он был выпущен 22 марта 2012 года. [202] Как и его предшественники, V7 может запускать Folding@home в фоновом режиме с очень низким приоритетом , позволяя другим приложениям использовать ресурсы ЦП по мере необходимости. Он разработан, чтобы сделать установку, запуск и эксплуатацию более удобными для новичков и предложить исследователям большую научную гибкость, чем предыдущим клиентам. [203] V7 использует Trac для управления записями об ошибках , чтобы пользователи могли видеть процесс разработки и оставлять отзывы. [201]
V7 состоит из четырех интегрированных элементов. Пользователь обычно взаимодействует с графическим интерфейсом V7 с открытым исходным кодом под названием FAHControl. [153] [204] Он имеет режимы пользовательского интерфейса «Новичок», «Продвинутый» и «Эксперт», а также позволяет отслеживать, настраивать и контролировать множество удаленных клиентов складывания с одного компьютера. FAHControl управляет FAHClient, серверным приложением, которое, в свою очередь, управляет каждым слотом FAHSlot (или слотом ). Каждый слот служит заменой ранее отдельных однопроцессорных клиентов Folding@home v6, SMP или GPU, поскольку он может независимо загружать, обрабатывать и загружать рабочие единицы. Функция FAHViewer, созданная по образцу программы просмотра PS3, отображает в реальном времени трехмерную визуализацию, если она доступна, белка, обрабатываемого в данный момент. [200] [201]
В 2014 году был выпущен клиент для веб-браузеров Google Chrome и Chromium , позволяющий пользователям запускать Folding@home в своем веб-браузере. Клиент использовал функцию Google Native Client (NaCl) в веб-браузерах на базе Chromium для запуска кода Folding@home со скоростью, близкой к исходной, в песочнице на компьютере пользователя. [205] В связи с прекращением использования NaCL и изменениями в Folding@home веб-клиент был окончательно закрыт в июне 2019 года. [206]
В июле 2015 года в Google Play был выпущен клиент для мобильных телефонов Android для устройств под управлением Android 4.4 KitKat или новее. [207] [208]
16 февраля 2018 года из Google Play был удален клиент Android, который предлагался совместно с Sony . Было объявлено о планах предложить альтернативу с открытым исходным кодом в будущем. [209]
Rosetta@home — это проект распределенных вычислений, направленный на предсказание структуры белков и являющийся одним из наиболее точных предсказателей третичной структуры . [210] [211] Конформационные состояния из программного обеспечения Rosetta можно использовать для инициализации модели состояний Маркова в качестве отправной точки для моделирования Folding@home. [25] И наоборот, алгоритмы прогнозирования структуры могут быть улучшены с помощью термодинамических и кинетических моделей, а также аспектов выборки при моделировании сворачивания белков. [212] Поскольку Rosetta пытается предсказать только окончательное сложенное состояние, а не то, как происходит сворачивание, Rosetta@home и Folding@home дополняют друг друга и решают очень разные молекулярные вопросы. [25] [213]
Антон — специальный суперкомпьютер, созданный для моделирования молекулярной динамики. В октябре 2011 года Anton и Folding@home были двумя самыми мощными системами молекулярной динамики. [214] «Антон» уникален своей способностью создавать одиночные сверхдлинные, требующие больших вычислительных затрат молекулярные траектории, [215] такие, как траектория в 2010 году, которая достигла миллисекундного диапазона. [216] [217] Эти длинные траектории могут быть особенно полезны для решения некоторых типов биохимических проблем. [218] [219] Однако Антон не использует для анализа модели марковского состояния (MSM). В 2011 году лаборатория Панде построила MSM на основе двух 100- мкс симуляций Антона и обнаружила альтернативные пути сворачивания, которые не были видны с помощью традиционного анализа Антона. Они пришли к выводу, что существует небольшая разница между МСМ, построенными из ограниченного числа длинных траекторий, и МСМ, собранными из множества более коротких траекторий. [215] В июне 2011 года компания Folding@home добавила выборку моделирования Антона, чтобы лучше определить, насколько его методы сравниваются с методами Антона. [220] [221] Однако, в отличие от более коротких траекторий Folding@home, которые более поддаются распределенным вычислениям и другим методам распараллеливания, более длинные траектории не требуют адаптивной выборки для достаточной выборки фазового пространства белка . В связи с этим возможно, что сочетание методов моделирования Антона и Folding@home обеспечит более тщательную выборку этого пространства. [215]
{{cite journal}}
: CS1 maint: multiple names: authors list (link){{cite book}}
: |journal=
игнорируется ( помощь ){{cite journal}}
: CS1 maint: bot: original URL status unknown (link){{cite journal}}
: CS1 maint: multiple names: authors list (link){{cite news}}
: CS1 maint: numeric names: authors list (link) Насколько нам известно, это первые рецензируемые результаты проекта распределенных вычислений, связанного с раком.{{cite book}}
: CS1 maint: location missing publisher (link){{cite book}}
: |journal=
игнорируется ( помощь ){{citation}}
: CS1 maint: numeric names: authors list (link)