タンパク質間相互作用予測に基づく創薬ターゲット探索のための並列計算システム開発

基于蛋白质-蛋白质相互作用预测的药物发现靶点搜索并行计算系统的开发

基本信息

批准号：
14J30002
负责人：
大上雅史
金额：
$ 2.16万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2014
资助国家：
日本
起止时间：
2014-04-25 至 2017-03-31
项目状态：
已结题

项目摘要

本研究は，タンパク質間相互作用予測システム「MEGADOCK」の大規模並列化並びに高度化を行い，大規模な相互作用ネットワーク予測を行うとともに，網羅的な薬剤のオフターゲット予測を効率的に行うための方法論を開発するものである．初年度はMEGADOCKの大規模並列化，特にGPUクラスタ上での並列化とMany Integrated Core (MIC)上での加速を主目的とした．前者では，GPUクラスタ上で並列計算が実行可能なタンパク質ドッキング計算システムであるMEGADOCK 4.0を開発し，本システムの並列性能をノードあたり12 CPUコアと3 GPUを備えたTSUBAME 2.5スーパーコンピュータで測定した．結果，35ノード実行に対する420ノード実行時の強スケーリング値0.98という良好な並列化効率を達成した．また，GPUやMICのようなアクセラレータを実際のアプリケーションに適用した場合の効果は，アクセラレータとアプリケーションの特性に依存することを受け，本研究では前述のGPUに加えてMICによる高速化を行い比較した．MICに関してはオフロードとネイティブの2通りの実装を行った．結果として，GPUへの実装はMICへのオフロードでの実装と比較して約5倍の性能を達成した．一方でMICへのネイティブでの実装は，新しいコードを追加することなく利用できるという移植性における利点を有する．しかし，MICのメモリ容量の制約のために対象のタンパク質ペアのサイズが大きくなるにつれ，利用できる計算コア数が減り，パフォーマンスが落ちるという問題があった．MICへのネイティブでの実装の全体としての性能は8 CPUコア(1 ソケット) と同程度であった．これらの結果より，本研究で対象としたタンパク質間ドッキングの高速化においては，MICに比べGPUがより優れていると言える．

这项研究是为了确保蛋白质相互作用预测系统“ Megadock”的大规模平行化和复杂性，执行大型相互作用网络预测，并有效地提供了综合的核对预测。在第一年，主要目的是具有巨大的巨型平行化，尤其是GPU群集上的并行化以及许多综合核心（MIC）的加速度。在前者中，用Tsubame 2.5超级计算机测量具有12个CPU内核和3个GPU的蛋白质对接计算系统，可以在GPU群集上执行并行计算。结果，在420节点执行时，以0.98为0.98实现了良好的并行化效率。此外，将加速器（例如GPU或MIC）应用于实际应用的效果取决于加速器和应用的特征，本研究除了上述GPU之外，将MIC进行了比较。对于麦克风，我们实施了两种类型的越野和本地实施。结果，与麦克风脱离公路实施相比，GPU上的实现是性能的5倍。另一方面，麦克风中的本机实现具有可移植性的优势，即可以在不添加新代码的情况下使用它。但是，存在一个问题：随着目标蛋白对的大小由于限制麦克风的限制而增加，可用计算核的数量减少并且性能降低。 MIC本地实现的整体性能与8个CPU核心（1个插座）大致相同。从这些结果可以说，在这项研究中，GPU在加速蛋白质对接的速度下比MIC更好。