AutoDock Vina是一个用于分子对接和虚拟筛选的开源程序。它由斯克里普斯研究所分子图形实验室的Oleg Trott博士设计和实现。是目前应用最广泛的分子对接软件之一。
分子对接技术作为计算机辅助药物设计的重要方法，已广泛应用于早期虚拟筛选、药物分子设计、先导化合物优化、潜在药物靶点发现、药靶相互作用机制、寻找重要药物代谢酶的特异性配体等方面。
目前限于计算能力或者高效灵活调用大规模计算集群的能力，目前的虚拟筛选通常只对几百万到几千万个分子进行采样，但实际上目前可用于药物发现的有机分子数量已经超过了10的60次方。
在《15小时虚拟筛选10亿个分子，Nature》+HMS验证云上新药研发的未来》一文中，哈佛医学院的研究人员论证了分子化合物的质量会随着虚拟筛选规模的扩大而提高。
如何在当地资源有限的情况下，提高虚拟筛选的规模和质量，缩短漫长的药物研发周期？
我们会用实证给你一个答案。
与前两次实证研究不同，本次盛鑫实证研究有两个特点:
1.任务数量大，云上同一区域的某些类型的模型可能不足，所以会涉及多区域的资源调度；
2.可以根据用户偏好匹配合适的资源调度策略，满足用户的不同需求。
经验背景信息
某大型制药公司有一个本地机房，共有104个计算资源。使用AutoDock Vina进行小分子对接:当exhaustiveness = 8时，需要90小时筛选56643个原始分子；当奢侈= 1设置时，需要18个小时。
当筛选范围扩展到整个VS数据库时，不同参数下本地资源的运行时间约为2.6-5年。
RD的负责人认为如此长的时间周期是不可接受的，其当地现有的IT架构和资源根本无法满足RD的需求。
经验目标
1.AutoDock Vina任务在云端能有效运行吗？
2.fastone平台能否大幅缩短任务运行时间？
3.fastone平台能否有效控制任务运行成本？
4.根据AutoDockVina任务小、数量多的特点，fastone平台是否有针对性的策略？
经验参数
平台:
Fastone企业版产品
应用:
自动对接Vina
适用场景:
分子对接(Molecular docking)，研究配体与其受体之间的详细相互作用，预测其结合方式和亲和力，也可用于发现和优化药物先导分子，从而实现基于结构的药物设计。
云硬件配置:
AutoDock Vina运行时需要对接大量的分子，对计算性能要求很高。因此，平台为用户推荐并选择与其应用特征相匹配的计算优化示例模型。
技术架构图:
以下是两个经验场景。
场景一:我们通过10000个分子验证了AutoDock Vina的云端线性可扩展性和成本。
场景二:基于不同的用户策略，我们帮助用户进行了2800万的大规模分子对接。
1.时间优先策略以速度为第一优先:资源选择以OD按需实例为主，在满足用户时间需求的前提下，通过尽可能多地抢占SPOT实例来优化成本。
2.成本优先策略以成本为第一优先:以SPOT实例为主要资源选择，在满足用户成本需求的前提下，利用OD实例按需优化时间效率。
现货:可以被抢占的实例，也称为竞价实例。最低价格可以达到点播实例价格的10%，相当于秒杀。价格可高可低，波动很大。随时都有可能被查封中断，所以需要一定的技术实力才能使用。
OD:随需应变，随需应变实例。对于短期灵活需求，按小时计费灵活准确，避免浪费，但价格相对较高，通常是现货实例的3-10倍。
经验场景1: 10，000个分子
AutoDock Vina云线性可扩展性和成本验证
结论:调度不同核的计算资源在云端对接10000个分子，验证了AutoDock Vina在云端具有线性可扩展性，即处理器数量翻倍时，计算时间会缩短一半。
经验过程:
1.云调度36核计算资源对接万分子。采用时间优先策略需要527分钟；
2.云调度80核计算资源对接万分子。采用时间优先策略需要314分钟；
3.云调度144核计算资源对接万分子。采用时间优先策略需要215分钟；
4.云调度288核计算资源对接万分子。采用时间优先策略需要98分钟；
5.云调度540核计算资源对接万分子。采用时间优先策略需要52分钟；
6.云端调度1080核计算资源对接10000分子，采用时间优先策略需要20分钟。
结论:调度不同核的计算资源连接云中的一万个分子。用户选择成本优先策略时，fastone平台以SPOT实例作为主要资源选择，保证成本第一。
与时间优先策略相比，成本最高可降低67%-90%。
经验过程:
1.云调度36核计算资源对接10000分子，采用成本优先策略抢占SPOT实例，消耗82元；
2.云调度80核计算资源连接10000分子，采用成本优先策略抢占SPOT实例，消耗84元；
3.云调度144核计算资源对接10000分子，采用成本优先策略抢占SPOT实例，消耗79元；
4.云调度288核计算资源对接10000分子，采用成本优先策略抢占SPOT实例，消耗64元；
5.云调度540核计算资源对接10000分子，采用成本优先策略抢占SPOT实例，消耗58元；
6.云调度1080核计算资源对接10000分子，采用成本优先策略抓取SPOT实例，消耗68元。
场景2:2800万个分子
基于不同用户策略的大规模业务验证
Fastone基于2800万分子的对接需求，提供了时间优先和成本优先两种策略供用户选择。
1.用户以时间为第一要务。
结论:
1.在fastone平台上使用时间优先策略，调用10万核计算优化实例对接2800万分子，耗时约15.23小时，提升计算效率2920倍；
2.fastone平台根据用户的计算需求，在云上自动构建和调度10万核大规模计算集群，完成计算任务；
3.在时间优先策略下，当任务数量达到一定规模时，云上同一区域的某些类型的模型可能会出现不足。fastone平台可以跨地域、跨类型为用户自动调度云资源，以最快的速度完成计算任务；
4.fastone平台自动帮助用户确定中断可能性最低的点池，保证任务的顺利高效完成。本次实证任务的中断率为0.95%。
云部署的手动模式与自动模式的巨大差异，可以从EDA云演示Vol. 1: 30天到17小时来看。如何将HSPICE的仿真效率提高42倍？
经验过程:
1.设置穷举性=8，本地104核计算资源对接约2800万分子。预计需要1853天左右；
2.设置exhaustion = 8，云将调度10万个核心计算资源对接约2800万个分子。采用时间优先策略大约需要15.23小时。
计算资源越多，计算时间越短。
在满足用户时间需求的前提下，通过尽可能多地抓取SPOT实例，帮助用户优化成本。
当所需的计算资源达到10万核量级时，我们单个区域的目标类型资源可能会瞬间耗尽，造成任务排队，从而大大拖慢计算时间。
我们需要通过fastone平台的Auto-Scale功能，自动调度本区域和其他区域的目标类型或相似的SPOT实例资源，以最快的速度完成任务。
简单来说就是优先考虑低价现货实例，抢同类型再抢其他类型，抢同区域再抢其他区域。
这只是自动缩放功能的一部分。
Fastone的Auto-Scale功能可以自动监控用户提交的任务数量和资源需求，按需动态打开所需的计算资源，在提高效率的同时有效降低成本。用户可以根据自己的需求设置调度集群规模的上下限，所有操作自动完成，无需用户干预。
2.用户以成本为第一要务。
用AutoDock Vina进行分子对接的一个特点是任务数量庞大，单个任务的计算时间短。单个分子的对接时间通常在几分钟之内。
这个特性自然与云中的SPOT实例相匹配。
云斑实例有四个特征:
1.便宜是真的便宜。
2.不是每个人都能用好的。
3.你想要什么就有什么，或者想用就用。
4.迟早最后肯定会被抢走。
按需OD实例的价格通常是现货实例的3-10倍。
请参考《云资源中的低价战斗机:投标实例，AWS等六家云厂商用户指南》
当价格低廉、随时可以被抢占中断的SPOT instance遇到一个迷你却海量的分子对接任务，简直就是天作之合。
1.常规的分子对接任务几分钟就能完成，特别适合SPOT可能分分钟被抢的状态；
2.fastone平台有自动重试的功能，一个任务被中断可以自动重新提交。任务之间互不影响，重新提交单个任务影响不大。
fastone平台将按以下顺序执行自动计划:
1.相同区域目标类型的SPOT实例；
2.同一地区其他类型的SPOT实例；
3.其他区域目标类型的实例；
4.其他地区其他类型的SPOT示例；
5.同一区域目标类型的OD示例；
6.同一地区其他类型OD的示例；
7.其他区域目标类型的OD示例；
8.其他地区其他类型OD的示例。
经验总结
最后，让我们回顾一下实证目标:
1.AutoDock Vina任务可以在云端有效运行；
2.fastone平台可以大大缩短任务运行时间；
3.fastone平台可以有效控制任务运行成本；
4.fastone平台的Auto-Scale功能可以完美匹配AutoDock Vina任务小、量大的特点；
5.fastone平台可以根据用户的不同需求，为用户提供不同的自动调度策略。
本次盛鑫行业云HPC实证系列Vol.3到此为止。
在接下来的演示中，我们将为您带来琥珀的云演示，这次涉及到云GPU资源的使用。
未来我们会为大家带来更多关于云用“真香”的实证研究，敬请关注！
-结束-
你可能想知道具体的着陆场景:
CAE演示第二卷:从4天到1.75小时，叶片模拟效率提高了55倍！
关于云高性能计算平台:
国产超算发展了近40年，终于遇到了一个像样的对手。
寿司技术
计算是一种能力，也是一种资源。
我们为高计算能力需求的用户提供一站式计算运营解决方案，不限于HPC、AI、大数据、互联网服务等。希望和大家一起构建一个不断更新迭代的多云世界观。
