UC Davis macht mit Oracle Cloud HPC Arzneimittel sicherer
Die Forscher der UC Davis betreiben Modelle für Molekulardynamik und maschinelles Lernen mithilfe von Oracle High-Performance Computing zweimal so schnell wie zuvor.
“Wir verwenden die High-Performance Computing-(HPC-)Plattform von Oracle, um Unterstützung bei der Durchführung atomar auflösender Untersuchungen zu Ionenkanalfunktionen und Wechselwirkungen zwischen Ionenkanälen und Arzneimitteln zu haben. Außerdem können wir die Sicherheit und Wirksamkeit präklinischer Arzneimittel genauer vorhersagen.”
Herausforderungen
Seit Jahrzehnten arbeiten Forscher an der University of California Davis School of Medicine mit Arzneimittelherstellern und -regulatoren zusammen, um ihnen dabei zu helfen, neue Arzneimittel schnell auf den Markt zu bringen und gleichzeitig potenzielle Gesundheitsrisiken zu vermeiden.
Eines der größten Risiken ist die arzneimittelinduzierte kardiale Gesundheitsgefährdung, die als Kardiotoxizität bezeichnet wird. Durch ihre Arbeit begannen UC Davis Forscher Igor Vorobyov und Colleen Clancy, das standardmäßige, zweidimensionale Modell der Prüfung von Arzneimitteln zu hinterfragen, um mehr herzsichere Optionen zu finden.
Durch die Ausführung von Modellen für Molekulardynamik und maschinelles Lernen auf Oracle Cloud Infrastructure (OCI) kann das Forschungsteam von UC Davis Risikofaktoren für Drogen schneller bewerten, indem es die gesamte Physiologie einer Person analysiert, einschließlich Proteinmolekülen, Zellen, Geweben, Organen, Geschlecht und bestehenden Herzleiden.
Die HPC-Plattform von OCI unterstützt uns dabei, 50 verschiedene Simulationen gleichzeitig auszuführen, wodurch wir alle möglichen Bedingungen testen und sicherstellen können, dass unsere Forschung nicht durch die Geschwindigkeit unserer Simulationen eingeschränkt wird.
Warum die University of California in Davis sich für Oracle entschied
Igor Vorobyov und Colleen Clancy, beide Forscher an der UC Davis, benötigten weitaus mehr Rechenleistung als es die On Premise-Servercluster und andere Compute-Ressourcen der Universität ermöglichen konnten.
Sie entschieden sich für Oracle for Research, was Vorobyov, Clancy und ihr Team mit einer einjährigen Förderung durch Oracle for Research unterstützte, wodurch sie kostenlos Zugriff auf Oracle Cloud und technische Zusammenarbeit hatten. Das Forschungsteam der UC Davis kann nun Multiscale-Molekulardynamiksimulationen durchführen, darunter 500 Millionen Energie- und Kraftberechnungen für mehr als 100.000 verschiedene Atome mit High-Performance Computing (HPC) auf Oracle Cloud Infrastructure.
Ergebnisse
Oracle High-Performance Computing unterstützt die Forscher von UC Davis dabei, mehr Variablen in einem wesentlich größeren Umfang zu analysieren, als sie es mit den On Premise-Ressourcen der Universität während ihren Simulationen tun konnten.
Durch das Provisioning von Hunderten von Compute Cores und Nvidia Tesla P100- und V100-GPUs auf OCI können die Forscher von UC Davis ihre Arzneimittel-Testumgebungen schneller in der Größe und Form implementieren, die sie benötigen, ohne den Aufwand für die Beschaffung und Verwaltung von sich ändernden Hardwarekombinationen.
Mit der verteilten Architektur von Oracle Cloud Infrastructure ist es jetzt wesentlich einfacher, mehrere Aufgaben gleichzeitig zu verarbeiten.
Mithilfe von HPC auf OCI können die Forscher nun mikrosekundenlange Moleküldynamik-Simulationen von Atomauflösungsstrukturen ausführen, um Arzneimittel auf Kardiotoxizität zu testen, und diese „atomistischen“ Modelle dann mit millisekunden- und sekundenlangen Simulationen von „funktionellen“ Modellen, einschließlich Kanälen, Zellen und Geweben, verknüpfen.
Um die Performance beim Verknüpfen dieser Modelle der molekularen und funktionalen Skalierung zu verbessern, führen die Forscher der UC Davis ihre Simulationen auf einer OCI-Bare-Metal-Compute-Instanz mit 12-Core-Intel Xeon-CPUs aus.
Mit einer vorinstallierten virtuellen Umgebung auf OCI Data Science, in der eine Jupyter Notebook-Integrationsumgebung und alle Python-Programmiersprachen- und maschinellen Lernbibliotheken, einschließlich PyTorch, NumPy, Pandas und scikit-learn, vorhanden sind, können die Forscher auch Simulationen von maschinellem Lernen in ca. 700 Sekunden ausführen, was doppelt so schnell ist wie bei der lokalen Ausführung zuvor.
Während die Forscher ihre Arbeit auf die Bestimmung der arzneimittelinduzierten Kardiotoxizität konzentriert haben, glauben sie, dass sie, indem sie ihre Modelle auf OCI HPC und OCI Data Science ausführen, jetzt über Rechenleistung und Skalierbarkeit verfügen, um Medikamentenherstellern und Ärzten dabei zu helfen, alle Arten von Krankheiten zu bekämpfen, von Krebs über Stoffwechselstörungen bis hin zu Entzündungen.
Seit die Universität damit begonnen hat, ihre Modelle für molekulare Dynamik und maschinelles Lernen auf OCI HPC und OCI Data Science durchzuführen, sind ihre Modelle einfacher wiederholbar, und sie können breiter angewendet und auf verschiedene Altersstufen, Menschen männlichen und weiblichen Geschlechts sowie Tierarten übertragen werden.