Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

a equipe da Multi-instituição recebe a concessão prestigiosa para a pesquisa da descoberta sobre SARS-CoV-2

A associação para a maquinaria de computação (ACM) concedeu a seu primeiro ACM Gordon Bell o prêmio especial para a pesquisa COVID-19 Computar-Baseada elevado desempenho a uma equipa de investigação da multi-instituição que incluísse o Ministério de E.U. do laboratório (DOE) nacional do Argonne da Energia.

A equipe foi escolhida para seu trabalho, “simulações AI-Conduzidas de Multiscale ilumina mecanismos da dinâmica do ponto SARS-CoV-2,” que brilha uma luz em como o vírus SARS-CoV-2 infiltra o sistema imunitário humano, ajustando fora uma reacção em cadeia viral durante todo o corpo. A concessão foi anunciada o 19 de novembro em SC20, a conferência internacional para o informática de alto rendimento, trabalhos em rede, armazenamento, e análise, guardarada virtualmente este ano.

Nós somos entusiasmado ter ganhado esta concessão prestigiosa. O ponto inteiro é empurrar os limites do que nós podemos fazer com AI. A capacidade para escalar um grupo tão enorme das simulações e do uso AI conduzir alguns factores era chave a este trabalho.”

Arvind Ramanathan, biólogo computacional e investigador Co-Principal, laboratório nacional de Argonne

Apoiando uma grande colaboração das organizações de investigação e de disciplinas científicas, Argonne que explora o uso da inteligência artificial e dos recursos do informática de alto rendimento estudar, em grande detalhe, a dinâmica complexa da proteína do ponto, uma das proteínas chaves no vírus SARS-CoV-2.

A equipe, compreendida de quase 30 pesquisadores através de 10 organizações, está tentando compreender como essa proteína liga a e interage com um dos primeiros pontos do contacto com a pilha humana, a proteína de ACE2-receptor. Esse emperramento começa uma cascata dos eventos que deixe eventualmente as membranas de pilha viral e humana fundir, permitindo que o vírus SARS-CoV-2 inscreva e contamine o anfitrião.

As proteínas não são estáticas, têm uma vasta gama de emoções que medem comprimentos e calendários múltiplos e não se compreende sempre que movimentos são importantes, notas Arvind Ramanathan, um biólogo computacional de Argonne e investigador co-principal no projecto. Para compreender e simular aquelas acções exigem uma enorme quantidade de recursos dos dados e de computação.

Desenvolver uma simulação razoável da proteína do ponto apenas pode criar um sistema enorme que consiste em aproximadamente 1,8 milhão átomos e as simulações podem consistir nos conjunto de dados enormes que taxam os recursos mesmo dos super-computadores os maiores. A fim fazer esses dados mais acessíveis para a interpretação, a equipe desenvolveu um método da aprendizagem de máquina que pudesse resumir grandes volumes de dados.

“Uma das coisas chaves que este método permitiu que nós fizessem era determinar o que era interessante, o que era importante, mesmo aquelas coisas que não eram óbvias ao olho humano,” disse Ramanathan. “Assim, quando você olha mais profundo usando as simulações, você começa ver mudanças significativas na estrutura da proteína, que nos disse algo sobre como a proteína do ponto abre tais que pode interagir com o receptor ACE2.”

Enquanto o tamanho dos sistemas que trabalhavam sobre cresceu, os desafios enfrentados equipe de escalar todos os dados para ser executado fluida em sistemas os mais grandes e melhores de hoje da supercomputação, assim como seus componentes-chave.

Porque muitos dos modelos que da aprendizagem de máquina estavam treinando nestas grandes simulações necessários para ser escalados eficientemente para o uso em super-computadores, partnered com NVIDIA, um líder em GPU e projecto da inteligência artificial, para executar eficazmente os modelos na cimeira, no laboratório nacional do Oak Ridge da GAMA.

A equipe igualmente utilizou muitos dos super-computadores dos E.U. da parte superior, incluindo a teta em Argonne; Frontera/Longhorn em Texas avançou o centro de elaboração; Cometa no centro da supercomputação de San Diego; e Lassen no laboratório nacional do Lawrence Livermore da GAMA, para descobrir maneiras alternativas de segurar o dilúvio dos dados.

“Dado a complexidade dos dados, tentar compreender a interacção do receptor-ponto ACE2 pareceu quase impossível nesta escala,” Ramanathan confiou. “Uma das coisas que nós mostramos claramente era que nós poderíamos atuar uma amostra destas configurações dinâmicas, empurrando a ideia que nós poderíamos usar o AI para construir uma ponte sobre estas escalas diferentes.”

Os dados gerados, até agora, estão fornecendo introspecções novas em como a região da haste da proteína do ponto muda seus movimentos totais quando interage com o receptor ACE2, disse. Eventualmente, estes tipos das introspecções derivadas da combinação altamente coligada de aprendizagem de máquina e a simulação ajudarão a facilitar descobertas do anticorpo ou da vacina.