半年新增56家公司招CADD/AIDD,搞生信,大家是认真的

第三plus:堆资源,或者找个新药研发平台/strong>

为啥堆资源就快了/p>

1、充足的资源会给研发人员带来充足的想象力和试错空间,而不是束手束脚施展不开。

就像有人问一位Google芯片设计师:在Google做芯片,是一种什么体验说:就像小朋友走进了一家糖果店,开心疯了。(做芯片设计也是需要大量资源的

2、充足的资源能够提供更高的计算精度和准确性,提高结果的质量和可用性。

2020年3月,哈佛大学医学院在《Nature》发表的论文《An open-source drug discovery platform enables ultra-large virtual screens》就明确推导了真阳性率与所筛选化合物数量的函数关系的概率模型,证明:化合物的最高打分随着规模增加而提高。

更多你想要的答案,这里应该都有

新药研发平台36问

一、云平台支持哪些CADD/AIDD场景/strong>

二、云平台支持哪些应用持自定义工作流吗/strong>

三、对CADD/AIDD研发部门来说,有哪些好处/strong>

四、对IT部门来说,有哪些好处/strong>

云平台支持哪些CADD/AIDD场景/strong>

1、如何支持AIDD场景/strong>

在AIDD方面,我们支持AlphaFold、RoseTTAFold等常用AI框架所需资料和快速环境的搭建,并支持更多组件按需集成。

云平台支持哪些应用持自定义工作流吗/strong>

9、云平台能覆盖到我常用的软件吗/strong>

我们支持常用的生物/化学计算类应用,包括:生物化学与分子生物学/化学工程/生物化学/应用化学/生物工程/药物化学/分析化学/物理化学/高分子化学与物理。

10、具体来说,支持哪些生物/化学计算类应用/工具/strong>

我们支持几乎所有的生物/化学计算类应用/工具,包括:AutoDockVina、Amber、FastQC、DeltaVina、GATK、Gromacs、Schringer、NetMHC、Rosetta、BCFtools等。

更多支持应用列表,欢迎文末扫码添加小F获取。

11、你们支持Alphafold吗/strong>

我们可以快速提供Alphafold等常用环境,方便用户快速进行后续研究。

12、我们用的软件是自己编译的,你们平台支持吗/strong>

支持。我们提供的集群环境镜像已包含常见应用工具运行所需的依赖库,用户也可以自行安装配置。

13、对于一些商业软件例如Schringer,你们提供License吗/strong>

商业软件的License文件需要客户自行提供,fastone提供License Server进行统一管理。

14、分子对接流程能不能自定义云之后每次都要重新弄一遍吗/strong>

很多时候,现成的应用往往无法满足用户的需求,需要根据自己的模型和研究目标,自定义设置一套独有的工作流程。

特别是新药研发所涉及的应用上,可以说几乎没有一模一样的工作流。 

我们已经实现了多款应用(如Vina、Amber)的自定义工作流,可以根据用户的实际使用场景(包括入参文件、结果文件、流程使用方式、步骤以及相关说明等)实现自定义模板和脚本自动化。用户也可以提供脚本,由我们协助完成并行化改造。

15、你们是否提供固定的工作流模板/strong>

提供。

用户在进行了一次或多次复杂的设定之后,能把这些设定保存成固定模板,不用重复手动去一步步重新设置。一次制作,反复使用,省时省力,还不用担心中间出错。

而且,这套自定义的设置是可以跨应用存在的,不一定局限在一个应用范围内。自己重复用,共享给团队的其他人用,都可以。

19、有些应用需要先跑完主任务再跑其他任务,上云可以智能化跑任务吗/strong>

有些应用在运算时存在依从机制,每若干个任务中包含1个主任务,只有当主任务运行结束后,其他任务才能开始并行运算。

由于任务有先后,所以需要先跑主任务,在每个主任务完成之后自动调度资源并行运算其他任务。

而不同任务完成时间可能不同,对资源的需求量可能时高时低有波动,最终结束关机时间也不同。

我们使用Slurm调度器按顺序调度任务排队,Auto-Scale功能可自动监控任务和资源需求,动态按需地开启与关闭所需资源。

详细的自动化过程可参考27问。

20、做分子对接,动不动就是几百万上千万个分子,太贵了,有节约成本的方案吗/strong>

分子对接规模如果巨大,有什么好的解决办法能加快这个过程么做到的/p>

分子对接的一大特征是任务数量庞大而单个任务计算时间短,单个分子对接的时间通常在几分钟以内(与参数设置有关)。

这一特征天然匹配云端的SPOT实例。

当便宜且随时可能被抢占中断的SPOT实例遇到迷你却海量的分子对接任务,简直就是天造地设的一对。

1、常规分子对接任务几分钟即可算完,特别适合SPOT这种分分钟可能被抢走的状态;

2、fastone平台具备自动重试功能,一个任务被中断可以自动重新提交,任务之间互相不影响,重新提交单个任务影响很小。

详见《生信云实证Vol.3:提速2920倍!用AutoDock Vina对接2800万个分子

21、任务量比较大,想提前预估一下费用再做决策,有没有什么好办法/strong>

我们平台预设了智能预测功能,以MOE为例。
用户在fastone平台的图形化操作界面运算MOE任务,完成以下步骤:

1、用户上传数据文件(平台自动解析文件,判断其中包含的分子数量)

2、用户输入期望的运算时间(平台推荐用户适配机型或用户自行选择机型)

3、系统得出预测成本

我们平台可综合考量用户对完成任务所需时间和成本的具体要求,在多个云厂商的资源之间选择最适配的组合方案,为用户跨地区、跨云厂商调度所需资源。

26、用Amber跑任务,用GPU跑非常快,但是有时候会跑失败,用CPU虽然稳定但是慢,你们怎么解决/strong>

这是Amber18版本的固有问题,在使用GPU时计算时有10-15%概率失败,需要及时调度CPU资源重新计算。我们平台支持优先使用GPU计算,当任务失败时,自动调用CPU重新计算。

该问题已在Amber20中修复。

Auto-Scale功能可以根据任务运算情况动态开启云端资源,并在波峰过去后自动关闭,让资源的使用随着用户的需求自动扩张及缩小,最大程度匹配任务需求。

28、你们是什么存储策略用呢/strong>

冷存储和热存储的费用是不一样的,我们会根据用户的情况提供个性化的解决方案。

29、数据备份的频率如何高可以达到多少有策略怎样/strong>

默认每周六进行数据备份,也可以根据客户需求按天或按小时备份。

30、使用平台的工作人员比较多,能否对每个人设置使用资源的上限/strong>

fastone平台的权限和角色管理功能,支持管理员角色对每一个用户进行相关权限设定,包括预算使用上限和CPU核数使用上限,从而在全局角度管控项目的资源消耗。该功能与智能预测配合使用,能够从多个层面对预算和资源进行全方位规划。

35、云上云下的安全如何保障/strong>

安全是一个立体的概念,包括系统安全、应用安全、流程安全、数据安全等很多方面。

云的基础架构和传统IT架构在安全方面并没有本质上的区别,依然是利用计算节点和存储资源。很多人觉得这两者之间存在差异,我们认为这取决于个人的认知。

本地的安全措施在云上都可以实现,同时云厂商本身还提供更强大的安全保障。

36、数据安全如何实现/strong>

数据全部通过安全协议传输,并支持RBAC的数据访问认证鉴权。

同时,我们还支持数据加密存储,算法可自定义。

 – END 

我们有个新药研发云平台

集成多种生命科学领域应用,大量任务多节点并行

应对短时间爆发性需求,连 即用

跑任务快,原来几个月甚至几年,现在只需几小时

5分钟快速上手,拖拉点选可视化界面,无需代码

支持高级用户直接在云端创建集群 

扫码免费试用,送300元体验金,入股不亏~

你也许想了解具体的落地场景:

这样跑COMSOL,是不是就可以发Nature了

Auto-Scale这支仙女棒如何大幅提升Virtuoso仿真效率/strong>

1分钟告诉你用MOE模拟200000个分子要花多少钱

LS-DYNA求解效率深度测评 │ 六种规模,本地VS云端5种不同硬件配置

揭秘20000个VCS任务背后的“搬桌子”系列故事

155个GPU!多云场景下的Amber自由能计算

怎么把需要45天的突发性Fluent仿真计算缩短到4天之内br>

5000核大规模OPC上云,效率提升53倍

提速2920倍!用AutoDock Vina对接2800万个分子

从4天到1.75小时,如何让Bladed仿真效率提升55倍/strong>

从30天到17小时,如何让HSPICE仿真效率提升42倍/strong>

关于为应用定义的云平台

解读Hyperion年度 告:脱离场景谈用量就是耍流氓

这一届科研计算人赶DDL红宝书:学生篇

一次搞懂速石科技三大产品:FCC、FCC-E、FCP

AI太笨了……暂时

【2021版】全球44家顶尖药企AI辅助药物研发行动白皮书

EDA云平台49问

国内超算发展近40年,终于遇到了一个像样的对手

帮助CXO解惑上云成本的迷思,看这篇就够了

花费4小时5500美元,速石科技跻身全球超算TOP500

8a31693a41ff293668f3e935266c3200.png

文章知识点与官方知识档案匹配,可进一步学习相关知识Python入门技能树人工智能机器学习工具包Scikit-learn208568 人正在系统学习中

声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!

上一篇 2022年5月4日
下一篇 2022年5月4日

相关推荐