衡水建设局网站首页,做图字体网站,FileZilla做网站,数字选用平台介绍AlphaFold2计算特点 蛋白质三维结构预测是一项计算量非常巨大的任务#xff0c;科学家多年的探索研究#xff0c;形成了X射线晶体学法、核磁共振法、冷冻电镜等。 2021年底#xff0c;谷歌的DeepMind团队的采用人工智能方法的AlphaFold2算法在生物界引起了极大的轰动…AlphaFold2计算特点 蛋白质三维结构预测是一项计算量非常巨大的任务科学家多年的探索研究形成了X射线晶体学法、核磁共振法、冷冻电镜等。 2021年底谷歌的DeepMind团队的采用人工智能方法的AlphaFold2算法在生物界引起了极大的轰动它能准确地预测蛋白质的结构AlphaFold2是当今预测蛋白质3D结构的最强工具。它将被大量用于推动世界蛋白质研究向前发展。 AlphaFold2在国际蛋白质结构预测竞赛CASP14上精确地基于氨基酸序列预测蛋白质的3D结构。其准确性可以与使用冷冻电子显微镜CryoEM、核磁共振或 X 射线晶体学等实验技术解析的3D结构相媲美。
目前情况大致统计 1Deepmind开源了AlphaFold2的源代码推理部分 2华盛顿大学开源了RoseTTRFold的源代码推理部分 3深势科技复现了AlphaFold的训练部分并开源代码训练和推理 4上海天壤智能科技有限公司复现了TRfold训练部分和推理部分 5上海交大对AlphaFold2的推理代码进行了优化推理并行版
一AlphaFold2蛋白质结构预测计算特点 如何配置好硬件最快速度完成训练、推理计算首先分析其计算过程以及算法特点。 图1 Alphafold2计算示意图
环节1 数据处理-序列特征生成计算特点 图片2来源上海交大alphafold2并行优化版
计算过程 总输入单个蛋白质序列FASTA格式推理 通过搜索工具jackHMMER/HHblits分别对多个遗传数据库--执行隐马尔可夫模型的搜索生成MSA序列-残基见图1 搜索的结构和序列产生的Pairing信息残基-残基 通过HHsearch搜索的Template
计算与硬件配置分析 数据库搜索过程涉及数据库密集I/O读写数据放到高速SSD硬盘上数据量累积超过2TB非常耗时加速手段提升CPU计算速度。 硬件配置 CPU计算为主内存要够大或配备NVME SSD固态卡容量4TB以上 环节2 神经网络预测计算特点 图片来源上海交通大学 https://parafold.sjtu.edu.cn/docs/quick-start/
计算过程 利用多序列比对MSA把蛋白质的结构和生物信息整合到深度学习算法中主要包括神经网络EvoFormer和结构模块Structure module. 在EvoFormer中主要是将图网络Graph networks和多序列比对MSA结合完成结构预测Alphafold2使用Transformer结构不管是MSA还是残基-残基对的信息更新都使用了Attention机制结构模块的更新使用了三角法则简化了计算的复杂度准确率也提高了不少. 结构模块(Structure Module)主要工作是将EvoFormer得到的信息转换为蛋白质3D结构. 整个模型的Evoformer和Structure module部分都使用了Recycling即将输出重新加入到输入在重复refinement进行信息的精炼. 计算特点 上述计算过程用GPU更合理对GPU要求是高显存带宽、大容量显存、大蛋白质计算通过将多GPU卡设置统一内存架构大的显存可支持更大的计算数据存放。
计算架构分析汇总 二蛋白质结构预算AI工作站配置推荐 西安坤隆计算机科技有限公司专注于工作站专业应用对每个应用的计算过程研究分析给出精准高效、高可靠计算架构和专业系统优化以及稳定的技术支持保证与应用软件90%以上的匹配吻合和长期稳定运行。 硬件配置具有以下特点 1配备CPU规格均以高频为主兼顾足够CPU核数这样保证数据预处理最慢的环节计算时间大幅缩短GPU卡采用单精度指标高的、显存容量大的保证神经预测计算加速满足AlphaFold2的理想的配置方案 2整机的cpu、gpu、硬盘配置满足AlphaFold2推理包括上海交大并行版计算要求均衡无死角性能最大化 3为深势科技的Uni-Fold训练、推理模块提供理想配置架构 4每个配置机器做到即开即用并提供硬件优化稳定高速运行技术支持服务 5支持大规模的计算扩展应用需求
2.1 蛋白质结构预测工作站配置参考
