Распределенные Вычисления. Boinc.ru

[SETI_home_v8]

Суперкомпьютеры для обучения нейросетей заменили сетью распределенных вычислений

Maksim Riabinin, Anton Gusev / arXiv.org, 2020

Российские программисты разработали платформу для распределенного обучения больших нейросетей. Она адаптирована для сети из множества разных по мощности компьютеров, любой из которых в любой момент может выйти из процесса. Как и в проектах научных распределенных вычислений, например, Folding@home, такой подход позволяет с помощью множества добровольцев создать сеть, вычислительная мощность которой будет сопоставима с передовыми суперкомпьютерами. Разработчики описали платформу в препринте, доступном на arXiv.org, а также опубликовали на GitHub код пре-альфа версии.
https://learning-at-home.github.io

Эффективность работы нейросетевых моделей во многом зависит от их размера и от размера обучающей выборки. Например, лидирующая на момент написания заметки модель обработки естественного языка — GPT-3 — имеет 175 миллиардов параметров и была обучена на 570 гигабайтах текстов. Но для обучения подобного масштаба требуется соответствующая вычислительная мощность, которая из-за дороговизны зачастую недоступна исследовательским группам, не входящим в состав крупных IT-компаний.

Во многих областях науки есть проекты распределенных вычислений, решающие эту проблему с помощью волонтеров: любой человек с доступом к интернету может установить у себя программу, которая будет в фоновом режиме проводить нужные ученым вычисления. Вместе, тысячи или даже миллионы компьютеров бесплатно предоставляют ученым вычислительную сеть с мощностью лидирующих суперкомпьютеров: в 2020 году мощность сети биомолекулярных симуляций Folding@home перешла рубеж в один экзафлопс и продолжила расти. Но сети распределенных вычислений имеют недостатки: каждый компьютер может в любой момент отключиться или передавать данные медленно и нестабильно, а кроме того, не все типы вычислений одинаково легко разбиваются на подзадачи для распределения по отдельным вычислительным узлам.

Максим Рябинин (Maksim Riabinin) из Высшей школы экономики и Яндекса вместе с коллегой Антоном Гусевым (Anton Gusev) разработали платформу Learning@home, позволяющую распределять обучение нейросетевых моделей на множество компьютеров. В основе платформы лежит метод коллектива экспертов, при котором за обработку разных входящих данных отвечают определенные «эксперты» — отдельные алгоритмы или компьютеры. Разработчики предложили разбивать слои обучаемой нейросети на набор экспертов. Каждый из экспертов может иметь свою специализацию, к примеру, выступать в качестве части нейросети сверточного или другого типа.

Схема работы сети
Maksim Riabinin, Anton Gusev / arXiv.org, 2020
Поделиться

Сеть компьютеров для обучения или выполнения нейросетевых алгоритмов имеет децентрализованную структуру, а каждый из ее вычислительных узлов состоит из трех частей: исполняющей среды, управляющей части и DHT-узла. Исполняющая среда непосредственно отвечает за вычисления, то есть выступает в качестве эксперта. Управляющая часть принимает входящие данные, выбирает подходящих для их обработки экспертов и собирает данные вычислений. А DHT-узел — это часть распределенной хэш-таблицы, в которой сеть хранит свои данные.

Схема узла сети
Maksim Riabinin, Anton Gusev / arXiv.org, 2020
Поделиться


Авторы опубликовали код, который они использовали для первичной проверки работоспособности платформы, на GitHub, но отметили, что пока его не стоит рассматривать как готовую к использованию библиотеку. Также они отметили, что платформа в нынешнем виде будет иметь типичные недостатки одноранговых сетей, в том числе высокую нагрузку на сетевую инфраструктуру, а также подверженность специфичным для такого сетей атакам, возможность которых произрастает из их архитектуры, а не конкретной реализации.

Исследователи со всего мира работают не только над совершенствованием программной части нейросетей и их обучения, но и над аппаратной. Одно из перспективных направлений — это нейроморфные чипы, которые по своей архитектуре повторяют организацию и принцип работы биологических нейронных сетей, и имеют в своем составе синапсы, дендриты и аксоны, позволяющие более точно имитировать межнейронное взаимодействие. Среди них можно выделить чисто нейроморфные чипы от IBM и Intel, а также представленный в прошлом году китайскими разработчиками гибридный чип, в котором совмещены блоки для классических и импульсных искусственных нейросетей.
Григорий Копиев

[SETI_home_v8]

ДЕСЯТЫЙ ЮБИЛЕЙ ПЕРВОГО ОТКРЫТИЯ EINSTEIN @ HOME

Опубликовано 10 сен 2020

Десять лет назад Einstein @ Home опубликовал свое первое астрономическое открытие. Радиопульсар J2007 + 2722 был обнаружен в июле 2010 года с помощью нашего поиска радиопульсаров с помощью анализа данных радиотелескопа Аресибо. Открытие появилось в печати 10 сентября 2010 года. Более подробная статья об открытии была опубликована позже.

https://science.sciencemag.org/conte.../1305.abstract
https://iopscience.iop.org/article/1...X/773/2/91/pdf
https://einsteinathome.org/de/conten...2722-discovery

Добровольцами Einstein @ Home, ответственными за открытие, были Крис и Хелен Колвин из Эймса, штат Айова, и Даниэль Гебхардт из Университета Майнца, Musikinformatik, Германия. Узнайте больше об их перспективах десять лет спустя на наших форумах.

На сегодняшний день поиск радиопульсаров Einstein @ Home обнаружил 55 новых пульсаров по данным радиотелескопов Аресибо и Паркса. С 2011 года Einstein @ Home также занимается поиском данных с гамма-спутника Fermi. На сегодняшний день опубликовано 25 открытий в области гамма-излучения, и ожидается их открытие. Используемые методы являются новыми и первоначально были разработаны для непрерывных гравитационно-волновых поисков.

Эти непрерывные поиски гравитационных волн все еще продолжаются на Einstein @ Home. Хотя они еще не нашли никаких источников, они по-прежнему являются наиболее чувствительными из всех проводимых поисков непрерывных гравитационных волн.

Последнее открытие, полученное в результате поиска гамма-пульсаров Ферми с помощью Einstein @ Home, только что было отправлено для публикации в Astrophysical Journal Letters и доступно здесь. Это довольно интересно: PSR J1653−0158 - двойной пульсар-рекордсмен. Нейтронная звезда в ее центре вращается 508 раз в секунду, что делает ее одной из самых быстро вращающихся из когда-либо существовавших. Орбитальный период 75 минут является самым коротким из когда-либо наблюдавшихся в подобных двойных пульсарах, а поверхностное магнитное поле пульсара, возможно, является самым слабым из известных на сегодняшний день. PSR J1653−0158 - второй двойной пульсар, обнаруженный в гамма-лучах. Фактически, поскольку он невидим на радиоволнах, его нельзя было найти другими способами.
Я хотел бы поблагодарить все сотни тысяч добровольцев Einstein @ Home за вашу постоянную поддержку. Без вас наши открытия и последующая наука не были бы возможны.

опубликовано от имени Брюса Аллена, директора Einstein @ Home
https://arxiv.org/abs/2009.01513

[SETI_home_v8]

Высокопроизводительные вычисления в каждый дом

Евгений Ивашко
Опубликовано 06.10.2009
Этот контент является частью серии:Распределенные вычисления
1. Введение
Что делает ваш компьютер, когда ничего не делает? Пользователи одной из альтернативных операционных систем знают, что самый прожорливый процесс – это «System Idle»: как правило, он «съедает» около 90% ресурсов процессора. А чем занят ваш компьютер?
Выполните команду uptime, чтобы узнать среднюю загруженность системы. Если в этот момент ваш компьютер не занимается перекодированием видео или компиляцией ядра, то, скорее всего, средняя загруженность будет невелика – ниже 1.0. Такие действия, как просмотр Интернет-страниц, редактирование офисных документов и загрузка файлов с помощью торрент-клиента почти незаметны (с точки зрения производительности) для современных компьютеров.
Как же можно с пользой потратить время «безделья» компьютера? Ответу на этот вопрос и посвящена статья. Я расскажу вам, как можно заставить свою машину работать на благо человечества. В следующей статье речь пойдет о том, как создать собственный сервер распределенных вычислений.

2. Загадочная «решетка»
Речь пойдет об одной из форм распределенных вычислений (в международной терминологии такие вычисления называют GRID – решетка) – Volunteer Computing. Сначала поясним термины.
GRID – это объединение нескольких компьютеров для решения единой вычислительно сложной задачи, разбитой на подзадачи. Каждый компьютер решает несколько подзадач, а результаты отдельных вычислений объединяются. Основное преимущество GRID в том, что она может состоять из компьютеров, находящихся друг от друга на тысячи километров и имеющих различные характеристики (как аппаратные, так и программные). Задачу объединения этих разнородных компьютеров выполняет промежуточное программное обеспечение, которое (виртуально) связывает все компьютеры через Интернет в единый суперкомпьютер. Идея GRID возникла в 1990-х годах, когда с развитием средств компьютерных коммуникаций объединение географически удаленных друг от друга компьютеров стало более дешевым, простым и потенциально более мощным средством повышения производительности, чем наращивание мощности одного-единственного суперкомпьютера.
Существуют различные виды GRID. Volunteer Computing – это форма реализации GRID-вычислений, специфика которой заключается в использовании времени простоя компьютеров обычных пользователей по всему миру. На текущий момент самым крупным проектом Volunteer Computing как по числу участников, так и по суммарной мощности является Folding@home – проект по проведению компьютерной симуляции свертывания молекул белка, запущенный в октябре 2000 года учеными из Стэнфордского университета. Однако речь в этой статье пойдет не о Folding@home, а о втором по величине проекте – системе BOINC. Причина проста – в отличие от специализированного Folding@home, проект BOINC предоставляет возможность участия в самых разнообразных научных проектах, начиная от взлома криптографических систем и заканчивая поиском внеземных цивилизаций!

Производительность
По состоянию на момент написания статьи, BOINC насчитывает 340 тысяч активных компьютеров, а суммарная производительность компьютеров участников проекта составляет 1,9 Петафлопа. Это почти в 2 раза превышает производительность мощнейшего современного суперкомпьютера IBM Roadrunner. Статистику проекта BOINC можно увидеть на официальной странице http://boinc.berkeley.edu/

3.1. Что такое BOINC
SETI@HOME – это некоммерческий проект по поиску внеземного разума с помощью анализа радиосигналов с радиотелескопа Аресибо.

SETI (Search for Extra Terrestrial Intelligence, Поиск ВнеЗемного Разума) – это направление исследований, направленное на обнаружение разумной жизни за пределами Земли. Основной метод – исследование радиосигналов, которыми пронизан космос. Ученые пытаются найти радиосигналы, источники которых не могут быть природными.

Сигналы с радиотелескопов содержат, в основном, шум (от внеземных источников и электроники приемников) и искусственные земные сигналы, такие как сигналы телевидения, радаров и спутников. Современный проект SETI анализирует данные в цифровой форме. Большая вычислительная мощность позволяет покрыть поиском больше частотных диапазонов с лучшей чувствительностью. SETI, следовательно, имеет неограниченную потребность в вычислительной мощности.

Предыдущие проекты SETI использовали специализированные суперкомпьютеры, выполнявшие основной объем анализа данных. В 1995 году Дэвид Андерсон (David Anderson) запустил проект по обработке данных SETI на виртуальном суперкомпьютере, состоящем из множества компьютеров, подключенных к сети Интернет, и организовал проект SETI@home (SETI на дому) для апробирования этой идеи. Проект SETI@home был запущен в мае 1999 года, а в 2005 году полностью перешел на платформу BOINC.

Выступление Дэвида Андерсона, посвященное SETI@HOME, распределенным вычислениям и BOINC, можно найти на YouTube: http://www.youtube.com/watch?v=8iSRLIK-x6A (EN).
BOINC (Berkeley Open Infrastructure for Network Computing – открытая платформа Университета Беркли для сетевых вычислений) – это свободная (распространяется под лицензией GNU LGPL) программная платформа для проведения распределенных вычислений (если точнее, то Volunteer Computing). Система BOINC была разработана в Калифорнийском университете в Беркли под руководством Дэвида Андерсона (David Anderson) командой, создавшей легендарный проект SETI@home. Основным мотивом разработки системы послужила нехватка свободных вычислительных мощностей для обработки данных, поступающих от радиотелескопов. Именно поэтому разработчики решили привлечь вычислительные ресурсы и объединить сообщества нескольких научных проектов. Для решения этой масштабной задачи и была создана программная платформа BOINC.

Система BOINC состоит из программы-клиента, общей для всех BOINC-проектов, составного сервера (термин «составной сервер» означает, что физически сервер может состоять из нескольких отдельных компьютеров) и программного обеспечения. Для выполнения распределенных вычислений используется архитектура клиент-сервер.
Пользователи, передающие вычислительные мощности BOINC-проектам типа SETI@home, «зарабатывают» кредиты, начисляемые за выполнение отдельных подзадач. Эти кредиты нужны только для создания духа соревновательности среди участников проекта – пользователи, имеющие наибольшее число кредитов, имеют шанс «засветиться» на главной странице проекта.

3.2. Установка
Установка программы-клиента BOINC в Linux проста до невозможности – пользуясь любимым пакетным менеджером, установите из репозитариев пакеты boinc-client, boinc-manager и boinc-gui. Если вы предпочитаете пользоваться новейшим программным обеспечением или если ваш дистрибутив Linux не имеет пакетного менеджера/репозитариев (а такие еще остались?), то получить установочный пакет свежей версии программы можно со страницы загрузки официального сайта проекта (ищите адрес сайта в разделе «Ссылки» под номером 1).
Вне зависимости от способа, которым вы установили программу-клиент, все основные файлы вы найдете в своем домашнем каталоге в подкаталоге BOINC – здесь находятся не только исполняемые файлы, но и файлы настроек, а также данные, необходимые для обсчета заданий. (Благодаря этому вы можете с легкостью «заставить работать» на один проект все компьютеры вашей корпоративной сети).

Для начала нужно запустить графический менеджер программы:
user: /home/user/run_manager
При первом запуске вам будет предложено подключиться к какому-либо проекту, упрощать этот процесс будет специальный помощник (см. рисунок 1).

Рисунок 1. Добавление проектов BOINC

На следующем шаге нужно будет выбрать проект, к которому вы хотите присоединиться, затем ввести свой электронный адрес и придумать пароль, а потом, возможно, потребуется завершить регистрацию на сайте самого проекта. В частности, на сайте можно выбрать команду (например, «Russia Team») или даже создать свою собственную (я создал команду «Linux users Team» на проекте Climateprediction.net, присоединяйтесь!). Команды, как и отдельные участники, тоже участвуют в неформальном соревновании «Собери больше кредитов!».

К сожалению, описаний проектов менеджер BOINC при регистрации не предоставляет, поэтому выбором придется озаботиться заранее, например, просмотрев списки проектов, представленные по адресам в разделе «Ссылки» ([6]). Не все так гладко и с предлагаемыми менеджером проектами, например, Einstein@home требует значительных аппаратных ресурсов, а SHA-1 Collision Search Graz уже не предоставляет заданий для обработки...

3.3. Работаем на благо науки!
Сразу после регистрации в проекте, программа-клиент BOINC начнет загрузку данных, необходимых для выполнения заданий. Учтите, что в зависимости от проекта этот этап может занять довольно продолжительное время и повлиять на вашу статистику полученного Интернет-трафика. Проекту ClimatePrediction.net понадобилось загрузить более 100 MБ, прежде чем начать обсчитывать первое задание.
Еще больше времени необходимо на вычисления по заданию: главное окно показывает текущий прогресс обсчета задания, затраченное время и оценку времени, необходимого для завершения задания (см. рисунок 2).

Рисунок 2. Выполнение задания

Помимо такого (упрощенного) вида окна программы-клиента BOINC, есть и более информативный расширенный вид – нажмите на кнопку Advanced View в правом нижем углу (см. рисунок 3).

Рисунок 3. Расширенный вид окна программы-клиента BOINC

Теперь вы можете получить большое количество дополнительной информации по проекту, в котором участвуете: различную статистику, информацию об использовании ресурсов компьютера, файлы, которые необходимо загрузить для расчета задания и многое другое! Все это скрывается за кнопками и пунктами меню с интуитивно понятными надписями, поэтому подробно останавливаться на этих возможностях мы не будем. Задержимся только на одной из них...
На вкладке «Задания» выделите строчку с заданием – тогда станут активными кнопки на панели слева (как на рисунке 3). Нажмите кнопку «Показать графику», и вашему взору предстанет замечательная картинка – это та самая модель, которую обсчитывает ваш компьютер. Поиграв управляющими клавишами (см. подсказки слева: T – температурная карта, R – снег и дождь, P – давление, C – облачность, S – запуск/остановка вращения глобуса, G – показать/скрыть сетку, H – помощь), можно наблюдать что-то аналогичное показанному на рисунке 4.
Рисунок 4. Расчет климатической модели по проекту ClimatePrediction.net

Конечно, какую картинку вы увидите – это зависит от проекта. Ничто не мешает вам поискать для себя что-то более интересное.

Еще одно замечание практического плана. На рисунках 2 и 3 видно, что общее время, необходимое для расчета задания, превышает 200 часов. Конечно, не каждый (особенно домашний) компьютер имеет время непрерывной работы порядка 10 суток. Для того чтобы не потерять все результаты расчетов при выключении компьютера, BOINC устанавливает контрольные точки. Кнопка «Информация» на вкладке «Задания» покажет, в том числе, и информацию о времени последней контрольной точки – при выключении компьютера вы потеряете лишь порядка 15 минут работы процессора.

3.4. Настройка программы-клиента «под себя»
Пользователю дается большой контроль над программой-клиентом BOINC с помощью различных настроек. Некоторые из этих настроек специфичны для проекта, другие являются общими и влияют на работу программы в целом. В расширенном виде окна программы-клиента выберите пункт меню «Дополнительно» – «Настройки клиента». Здесь вы можете указать такие параметры использования компьютера, что работа программы-клиента BOINC будет практически незаметна! Вы можете ограничить объем используемых для распределенных вычислений ресурсов процессора. Кроме всего прочего, можно указать, будет ли программа-клиент запускать на обсчет задания в то время, когда пользователь активно использует компьютер, или работа над распределенным проектом начнется только после определенного времени простоя процессора.
В качестве настройки, специфичной для проекта, можно указать минимальный и максимальный объем работ, который программа-клиент выполнит для указанного проекта между двумя подключениями к серверу. Когда объем оставшихся работ окажется ниже минимального значения, программа-клиент свяжется с сервером проекта и запросит столько заданий, сколько указано в значении максимального объема работ. Во время этого сеанса связи программа-клиент также отчитается о завершенных заданиях. Эта возможность полезна, если по каким-то причинам необходимо минимизировать количество выходов в Интернет.

Вы можете ограничить скорость загрузки заданий из Интернет, объем используемого программой-клиентом BOINC дискового пространства и оперативной памяти... Все эти настройки интуитивно понятны, и не составит труда изменить их так, чтобы работа на благо человечества не мешала вашим личным интересам.

Если вы до сих пор не определились, какому именно проекту отдать свободные силы своего компьютера, не переживайте! Вы можете участвовать сразу в нескольких проектах («Сервис» –«Добавить проект» в расширенном виде окна программы или кнопка «Add Project» – в упрощенном) – по умолчанию программа-клиент BOINC будет каждые 60 минут (этот параметр тоже можно изменить) переключаться между заданиями различных проектов.

3.5. Некоторые технические подробности
Как уже говорилось выше, распределенный проект BOINC состоит из составного сервера, раздающего задания клиентам и собирающего результаты, и множества подключаемых к серверу программ-клиентов, выполняющих основную работу по получению результатов.
Каждая программа-клиент подключается к серверу и получает задание на обработку. Через некоторое время, когда задание выполнено, программа-клиент снова подключается к серверу и передает ему результаты (а также получает новое задание). За выполнение задания зарегистрированный участник проекта, которому принадлежит программа-клиент, получает кредиты – баллы, характеризующие процессорное время, потраченное на проведение вычислений.
Однако в этой схеме для проекта распределенных вычислений спрятан ряд опасностей. Во-первых, программа-клиент, получившая задание, может по различным причинам никогда не выйти снова на связь с сервером. Например, если участник проекта, которому принадлежит программа-клиент, потерял интерес к проекту. Во-вторых, участники проекта (опять же по различным причинам) могут посылать неверные результаты. Это еще более опасно для проекта, чем просто отсутствие результата, так как одно-единственное неверно посчитанное задание может стать причиной полного фиаско проекта! И, в-третьих, участники проекта могут попытаться получить больше кредитов, чем они заработали. Конечно, так как заработанные кредиты используются только для статистики, эта опасность на первый взгляд не так уж страшна... Однако проблема лежит в психологии сохранения сообщества. Не такое уж большое число пользователей заинтересованы именно в помощи научному исследованию, большая часть пользователей будут раздражены «читерами» и, как следствие, разочарованы проектом, и перестанут уделять ему время.

Первую проблему система BOINC обходит просто – назначая конечный срок, к которому программа-клиент должна вернуть результат вычислений (например, на рисунке 3 видно, что конечный срок, к которому нужно вернуть результат задания – это 19 мая 2010 года).
Вторая проблема решается за счет передачи одного и того же задания нескольким пользователям (это называется избыточными вычислениями). Для каждого задания количество дублирующих друг друга исполнителей индивидуально, но значение по умолчанию платформы BOINC равняется пяти. Когда программа-клиент отчитывается о проведенных вычислениях, сервер сравнивает результаты, присланные разными участниками. Результат, принятый «кворумом» программ-клиентов, считается правильным, а неверные ответы отвергаются. Участники, вернувшие серверу неверные результаты, не получают кредитов. Число программ-клиентов, составляющее «кворум», также может быть указано для каждого задания в отдельности, а значение по умолчанию равняется трем. Кстати, именно из-за такой формы проверки результатов вы будете наблюдать задержки в подсчете заработанных кредитов.

Третью проблему BOINC решает так же, как и проблему неправильных ответов – выполняя избыточные вычисления. Если пользователь завышает значение кредитов, которые он должен получить, то он увеличивает также значение кредитов, которые получат честные пользователи. Это снижает ущерб от обмана.

3.6. Подведение итогов
Использование распределенных вычислений – новый шаг в развитии научных исследований. Ученые со всего мира разрабатывают проекты, которые требуют проведения большого числа расчетов, а программная платформа BOINC дает возможность присоединиться к этим проектам всем желающим, не требуя ни специализированного образования, ни особых аппаратных ресурсов. Все, что нужно – скачать и установить программу-клиент.
Однако это далеко не все, что можно было бы рассказать о BOINC. Например, BOINC умеет использовать для вычислений GPU (Graphics Processing Unit) видеокарты NVIDIA. Вы можете создавать обложки («скины») для программы-клиента, запускать программу-клиента на разных компьютерах под одной учетной записью, управлять работой программы-клиента без графического интерфейса и даже найти свой украденный компьютер с помощью BOINC! Ну и, конечно же, любой человек может создать свой собственный проект распределенных вычислений на основе BOINC.
Начните с этой страницы http://boinc.berkeley.edu/wiki/User_manual официального сайта, а в случае затруднений обратитесь на русскоязычный форум: http://boinc.ru/forum/.

В следующей статье мы подробно остановимся на том, как создать свой собственный сервер BOINC. Кто знает, быть может, это послужит появлению новых отечественных проектов распределенных вычислений? А пока подождем, когда на полную мощность будет запущен российский проект DrugDiscovery@Home (смотрите адрес сайта в разделе «Ссылки» под номером 9), созданный и поддерживаемый интернациональной командой разработчиков и находящийся в стадии альфа-тестирования.

4. Заключение
Есть множество способов помочь другим людям. Одни из этих способов отнимают очень много времени, другие – денег... Но есть и такие, что не требуют значительных вложений ни сил, ни средств. Почему бы не воспользоваться ими? Участвуйте в проектах распределенных вычислений! Быть может, именно ваш вклад окажется решающим для нового технологического рывка! Разработка нового поколения лекарств, поиск внеземных цивилизаций и моделирование молекул – все это требует вычислительных ресурсов, которыми вы можете поделиться без ущерба для себя.

Похожие темы
• Официальный сайт проекта BOINC: http://boinc.berkeley.edu/ (EN).
• Информационный портал научной направленности, посвященный распределенным вычислениям: http://gridclub.ru/. Поддерживается командой сотрудников Института прикладной математики им. М.В. Келдыша РАН.
• Один из старейших российских сайтов распределенных вычислений: http://distributed.ru/.
• Одно из старейших международных сообществ распределенных вычислений: http://distributed.net/ (EN).
• Сайт, посвященный проектам на основе платформы BOINC и поддерживаемый российской командой распределенных вычислений "Russia Team": http://boinc.ru/. Присоединиться к самой команде (выбрав соответствующий проект) можно на этой странице: http://www.boinc.ru/team/russia_team.htm.
• Ознакомиться со списками распределенных проектов можно на следующих страницах: http://boinc.berkeley.edu/wiki/Project_list (EN), http://distributed.ru/wiki/pro и http://boinc.ru/projects/projects.htm.
• Официальный сайт проекта по предсказанию погоды: http://www.climateprediction.net/ (EN).
• Довольно-таки подробная статья о распределенных вычислениях на Wikipedia: http://ru.wikipedia.org/wiki/Распределенные_вычисления.
• Российский проект DrugDiscovery@Home обитает здесь: http://drugdiscoveryathome.com/ (EN). Ждем запуска в рабочем режиме и присоединяемся!
• Подробнее о лицензии GNU LGPL: http://ru.wikipedia.org/wiki/GNU_Les...Public_License.

[SETI_home_v8]

Еженедельный обзор новостей и заметок для MLC@Home
21 сентября 2020 г.
https://www.mlcathome.org/mlcathome/....php?id=82#509
Новый клиент (v9.61) вышел из тестирования и развернут в основном приложении MLDS, а WU набора данных 3 отсутствуют! На данный момент мы выпустили только 10 WU для каждого графика, и в будущем мы увеличим это число как минимум до 100. Для WU набора данных 3 требуется приложение MLDS версии не ниже 9.61, а все предыдущие версии приложения устарели. Кроме того, приложения MLDStest теперь помечены как бета-версии, что требует от пользователей указания предпочтений «запускать тестовые приложения» для участия в тестировании. Пожалуйста, подумайте о том, чтобы сделать это, поскольку тестирование на mldstest на этот раз выявило многие проблемы перед широким развертыванием, но также поймите, что это нестабильно, и вы можете не получить признание за WU, развернутые через приложение для тестирования.
Подготовка к выпуску Dataset 4 (MNIST и TrojAI) продолжается. Написание статей продолжается до крайнего срока конференции в конце месяца.
Новости:
Выпущен набор данных 3 WU: 100 автоматов для моделирования, 100+ моделей на граф. Для работы WU требуется больше времени при соответствующем увеличении кредита! Кроме того, требования к памяти на WU упали ниже 350 МБ!
В следующие несколько недель основное внимание будет уделено мониторингу WU набора данных 3, чтобы убедиться в отсутствии проблем, и написанию документов.
Мы сделаем официальный выпуск предварительного набора данных (1 + 2), когда у нас будет, по крайней мере, 1000 примеров каждого типа машин, и мы приближаемся!
Новый сервер еще не отправлен от производителя, но должен быть доставлен «в любой момент».
Мы не забыли про значки! На данный момент мы сосредоточены только на бумаге и новом поколении WU. Тем не менее, если волонтеры захотят предложить потенциальные дизайны значков, заходите на форумы и присоединяйтесь к обсуждению.
Снимок состояния проекта:
Задачи
Заданий готово к отправке 13588
Выполняемые задачи 22210
Пользователи
С кредитом 767
Зарегистрирован за последние 24 часа 62
Хосты
С недавним кредитом 2044
Зарегистрировано за последние 24 часа 15
Текущий гигафлопс 35869,59

[SETI_home_v8]

AMD поддержала распределенные вычисления в исследованиях COVID-19

Опубликовано: 19.09.2020

Подпроект (пока единственный) TN-Grid gene @ home получает доступ к двум серверам с процессорами Epyc и восьми вычислительным картам Radeon Instinct (MI50) в течение одного года в рамках гранта AMD на исследования COVID-19. К сожалению, было бы слишком обременительно передавать на аутсорсинг серверные услуги TN-Grid этим машинам, так что влияние на проект BOINC останется управляемым. Вместо этого ресурсы следует использовать, например, для тестирования алгоритмов, основанных на глубоком обучении.

AMD расширяет финансирование высокопроизводительных вычислений COVID-19 на другие исследовательские институты

Наш проект gene@home (осуществляемый в Университете Тренто, Италия) был выбран AMD в качестве бенефициара финансирования высокопроизводительных вычислений COVID-19, см. Официальное объявление: https://www.amd.com/de/corporate/hpc- фонд
Мы очень благодарны за это пожертвование, оно предоставит нам доступ к высокопроизводительным вычислительным узлам для продвижения наших исследований. Дополнительную информацию и комментарии можно найти здесь: https://gene.disi.unitn.it/test/forum_thread.php?id=291 (англ.)
16 сентября 2020 г.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru/forum/

[SETI_home_v8]

Кранч-центр команды "Russia Team" для проекта SAT@home аккаунта BOINC.RU.
http://www.boinc.ru/team/russia_team.aspx

Работа в режиме 24/7 на пользу Российской науки.

Проект достиг заявленной суммы. Это большой успех.

И возможен он стал только благодаря Вам – тем, кто поверил в нас и нашу идею, тем, кто поддержал наш проект информационно и материально. Огромное спасибо всем нашим спонсорам.

Так вышло, что одновременно и параллельно со сбором средств на «Кранч-центр» нашлись желающие пожертвовать и часть комплектующих для сборки компьютера. Это существенно экономит материальные затраты и позволяет нам подумать не о «минимально приемлемом процесcоре типа INTEL i5 (по возможности - i7).» Теперь можно замахнуться на нечто более серьезное.

Конкретно, мы считаем, что уже собранной суммы нам должно хватить на приобретение мощного 6-ти ядерного процессора XeonE5-2620v2 и материнской платы, рассчитанной на установку двух таких процессоров. Это позволяет в дальнейшем модернизировать компьютер, установив второй процессор и получить в итоге мощную вычислительную систему из 12-ти реальных вычислительных ядер (или 24-х в общей сложности с гипертрейдингом).

Но ведь впереди еще более 20 дней. И, возможно, этот проект еще кого-то сможет заинтересовать. И, инвестировать в него гораздо интересней, если видеть перед собой новую и ясную цель. И достигнув первоначальной цели мы решили поставить перед собой новую, более амбициозную цель и вместе с Вами попытаться её достичь.

Новая цель – собрать средства для сборки мощной двухпроцессорной системы на базе процессоров XeonE5.
Если мы сумеем собрать сумму в 80000 рублей (с учетом налогов и отчислений) можно рассчитывать на системы на базе 2-х процессоров XeonE5-2620v2 2.0Ггц и 32ГБ ОЗУ

Если сумма сбора превысит 100 000 рублей, то появится возможность поставить более мощные процессоры - XeonE5-2630v2 2.6ГГц
Ну, вот такие оптимистичные цели мы ставим перед собой и перед Вами, конечно. Давайте вместе попытаемся их достичь.

Общественное участие в научных исследованиях.

Существует интересная компьютерная технология, позволяющая каждому желающему оказать поддержку научным исследованиям. Это - распределенные научные вычисления, которые оказывают серьезную помощь во многих научных исследования. Для таких вычислений жертвуют вычислительное время своих компьютеров многие добровольцы, зачастую объединяясь в команды.

Команда "Russia Team" - одна из крупнейших отечественных команд, участвующих в этом добровольческом движении. Команда поддерживает многие научные проекты, но в первую очередь нам хочется помогать отечественным ученым, предоставляя время работы своих компьютеров для выполнения научных исследований.

Как происходит такая компьютерная помощь?

Добровольцы с использованием интернета и специального программного комплекса (BOINC-менеджера) получают данные, которые обрабатываются на компьютере. После обработки результаты отправляются в научный центр для дальнейшего анализа и использования.

Кому конкретно мы хотим помогать?

Сегодня в приоритете два российских проекта:

SAT@home - проект Института динамики систем и теории управления Сибирского отделения РАН

OPTIMA@home - проект Института системного анализа РАН
О проекте SAT@home мы рассказывали в газете "Троицкий вариант - Наука", в статье "Охотники за квадратами».

Проекты занимаются исследованиями в области молекулярной динамики (OPTIMA), а также математики и криптографии (SAT).

Почему мы разместили это объявление?

Оба проекта имеют доступ к высокопроизводительным научным вычислительным ресурсам, но их недостаточно. И для исследований нужны дополнительные вычислительные мощности. Такие мощности и предоставляют сотни и тысячи добровольных участников из разных стран. Но к сожалению, большинство волонтеров не могут себе позволить постоянно держать включенными дома свои компьютеры. Удорожание электроэнергии, шум вентиляторов, выделяемое тепло заставляют ограничивать время работы домашних компьютеров. И страдает от этого научный проект.

Для чего нужны деньги?

Средства нужны для приобретения компьютера.

Разумеется, для эффективного использования станция должна быть достаточно мощной, поэтому в качестве минимально приемлемого процесcора рассматривается ЦП типа INTEL i5 (по возможности - i7). Кроме того, само "железо" должно быть достаточно надежным и качественным. Исходя из этих начальных требований и была определена минимальная стоимость проекта (с учетом налоговых и комиссионных отчислений, принятых на Boomstarter). На даном этапе комплектование отдельной графической платой для расчетов не планируется (эта экономия идет в пользу более мощного процессора). В случае, если собранный бюджет превысит минимальный запланированный, то будут рассмотрены варианты по дополнительному оснащению графической вычислительной системой и повышению общих вычислительных параметров станции, для возможного участия и в других научных проектах.

Где будет установлен компьютер?

Наши друзья из московского научного института предложили использовать выделенное серверное помещение с кондиционированием и электропитанием для размещения общекомандной вычислительной станции, способной работать круглосуточно и без выходных. Вот эту идею постоянно работающего, исключительно на нужды научных проектов, компьютера нам и хотелось бы воплотить в жизнь. Компьютер будет считать не в пользу кого-то из участников (кранчеров) и не стоять у кого-то дома. Он будет установлен в этом помещении и выполнять научную работу под флагом команды "Russia Team" , под общекомандным аккаунтом - BOINC.RU, в пользу проектов и всей команды.
Кстати, в этом помещении уже "трудится" подобный общекомандный компьютер другой российской команды - "Crystal Dream".

Отчет о результатах этого проекта (как при успешном завершении, так и в случае неудачного сбора средств) будет опубликован на сайте BOINC.RU.
Благодарю всех за внимание и надеюсь на Вашу поддержку.

Частые вопросы

Какова результативность научных вычислений, которые выполняются в названных Вами научных проектах?

Вы хотите просто купить себе новый компьютер?

Почему Вы собираете обычный (хоть и мощный) системный блок?
Сейчас Кранч-центр команды "Russia Team" - это компик в Пензе - AMD Ryzen 9 3900X 12-Core Processor.

http://gerasim.boinc.ru/users/viewHo...x?hostid=46792
Показывает фантастические результаты! Никакие Ксеоны и рядом не валялись. Поздравляю всех нас!

Отличный командный сервер!

Считает разные проекты. Сейчас, в основном, Герасима.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru/forum/

[SETI_home_v8]

Используйте свою силу - мощь компьютера.

(21.09.2020) Используйте свою силу - мощь компьютера. Например, с помощью «распределенных вычислений» очень легко продвигать исследования РНК.

Исследование после работы - не поднимая пальца. Тут подойдет волшебное слово: распределенные вычисления (DC). Все, что вам нужно сделать, это включить компьютер (ладно, для этого, возможно, придется согнуть палец), и CPU или GPU (видеокарта) будут участвовать в научных проектах со своей вычислительной мощностью.

(«Кластер смартфона» с жидкостным охлаждением (слева), 6S РНК E. coli (голубой) в комплексе с бета-субъединицей РНК-полимеразы E. coli (темно-зеленый))

Например, для борьбы с SARS-CoV-2. Например, платформа Folding @ home, координируемая Стэнфордским университетом, в настоящее время моделирует неструктурный белок 8 (NSP8), один из двух кофакторов основной вирусной полимеразы NSP12, с целью поиска возможных мишеней для лекарств. В общем, Folding @ home - это симуляция молекулярной динамики. Предпринята попытка найти стабильную конформацию белка путем «виртуального встряхивания» аминокислотной цепи, которая изначально была развернута.

https://foldingathome.org/

Огромная вычислительная мощность

«Вместе мы сильны» - подходящий слоган для платформы DC. И на самом деле, команда разработчиков «домашних бабочек белка в домашних условиях» недавно сообщила на bioRxiv, что более миллиона человек приняли участие в проекте SARS-CoV-2 и вместе создали «первый в мире« экзафлопсный компьютер »». . Что примерно соответствует вычислительной мощности человеческого мозга на нейронном уровне.

https://www.biorxiv.org/content/10.1...06.27.175430v2

В Германии потенциал распределенных вычислений также давно признан - как для самой науки, так и для ее передачи общественности (ключевое слово: Citizen Science). Некоммерческая организация Rechenkraft.net e. V. базируется в Марбурге. «Изначально Rechenkraft.net был онлайн-сообществом компьютерных энтузиастов, которые хотели работать над крупными научными проектами на своих частных компьютерах», - говорит Майкл Вебер, председатель правления ассоциации и химик. «В то время в архитектуре ЦП не было никаких функций энергосбережения, так что в лучшем случае разница составляла 15 Вт вне зависимости от того,
простаивает ли обычный ПК или работает с полной нагрузкой. Оставлять вещи включенными, не рассчитывая на них, было пустой тратой энергии ». Если учесть, что офисным приложениям в то время требовалось только 5% загрузки процессора, у вас действительно оставалось много« свободной энергии ». «Ощутимо обессилен».

https://www.rechenkraft.net/

Расчет ставок для науки

Именно так поступали начинающие основатели клуба и принимали участие в глобальных проектах DC как команда. На международном уровне они в основном входили в десятку лучших, - с гордостью сообщает Вебер. Кроме того, они начали перечислять все текущие проекты DC по всему миру для других компьютерных энтузиастов с научным чутьем и публиковать информацию в Интернете. Любой желающий мог выбрать свой любимый проект - будь то в эволюционной биологии, астрофизике или исследовании рака - и начать вычисления. «Гражданская наука в чистом виде», - говорит Вебер. Наконец, «поскольку наш энтузиазм по поводу этой темы продолжал расти» и чтобы иметь возможность участвовать в дальнейшем и сделать DC более популярным, в конце 2004 года была основана «Ассоциация содействия образованию, исследованиям и науке с помощью сетевых компьютеров».

Однако в конечном итоге членам клуба было слишком скучно считать в расчетах только других. Вот почему в 2009 году они начали свой первый проект DC: RNA World. РНК, потому что ей поставили диагноз «нехватка вычислительной мощности для этой важной темы исследования».

«Вопреки другим предположениям, мы рассматриваем клетки как« РНК-машины », в которых белки в основном всегда выполняют одни и те же стандартные задачи. (...) Для нас больше всего привлекает все еще малоизвестная «вселенная РНК», - объясняет Вебер.

http://www.rnaworld.de/rnaworld/

Чтобы восполнить эти пробелы в знаниях, RNA World изначально занималась простой идентификацией семейств РНК в недавно секвенированных геномах всех классов организмов. Задача непростая, потому что, по словам Вебера, нужно учитывать не только первичную последовательность, но и вторичную структуру. А это означает больше вычислительных усилий и обязательно экспериментальных данных. «Данные поступают из обычных общедоступных баз данных генома EMBL-EBI (Европа) или NCBI (США), при этом наше внимание до сих пор было сосредоточено на европейских базах данных. Мы извлекаем известные семейства РНК из базы данных Rfam, которая, как известно, была устаревшей в то время (и остается до сих пор) ».

Полная идентификация

Для идентификации используется программный пакет INFERNAL, изначально предназначенный для компьютеров под управлением Linux. Чтобы заставить пакет работать на более широко используемых компьютерах с операционной системой Windows (лучше подходящих для проектов Citizen Science), код был быстро переработан. Также в обмен на первоначальных разработчиков Шона Эдди и Эрика Навроцки, которые тогда работали в исследовательском кампусе HHMI Janelia Farm в США.
https://academic.oup.com/bioinformat...22/2933/316439
«Что касается принципа работы, RNA World / INFERNAL берет на себя геном вновь секвенированного организма и использует« стохастические контекстно-свободные грамматики »для систематического картирования всех известных семейств РНК на основе так называемого ковариационного подхода. Кроме того, RNA World позволяет. Например, на основе результатов лабораторных экспериментов мы можем создать наши собственные модели ковариации РНК и последовательно искать для них гомологичных членов семейства в новых наборах данных генома », - объясняет Вебер.

Почти 20 000 компьютеров с более чем 6 000 участников рассчитывают на RNA World. В исключительных случаях решение арифметической задачи может занять целый год. Это показывает настойчивость многих участвовавших в этом ученых-граждан. «Мы хотели показать, что сообщество людей, заинтересованных в науке, может держать свечу перед профессиональными учреждениями в области биоинформатики даже в свободное время». И это сработало. «Основанием для этого является хорошее общение между обеими сторонами», - говорит Вебер.

«RNA World» в настоящее время находится в переходной фазе, добавляет химик. Завершаются последние, более сложные арифметические задачи, а затем система программного обеспечения подвергается капитальному ремонту и оснащается новыми приложениями. B. Разрешить моделирование молекулярного докинга, виртуального скрининга и молекулярной динамики. «Конечно, все основано на свободно доступном программном обеспечении с открытым исходным кодом», - добавляет Вебер.

Исправление выпущено

Также необходимо провести работу, чтобы обеспечить более быструю сортировку, обработку и публикацию результатов. «Новичку легко недооценить объем данных, которые вас ждут. Несколько раз с нами случалось, что независимые исследовательские группы университетов публиковали результаты, полученные с помощью RNA World ».
Однако также возможно сотрудничество, при котором исследователи снабжают суперкомпьютер RNA-World своими данными. Вебер: «У нас вы можете использовать простую веб-форму, чтобы выбрать нужное приложение, загрузить файлы проекта, и результаты будут представлены в виде загрузки после завершения. Я не знаю ни одной активной распределенной вычислительной системы, которая предлагает этот подход ». Единственное требование - это регистрация и предварительное участие хотя бы в нескольких вычислительных задачах в RNA World. Все желающие могут связаться с Rechenkraft.net e. Отчет V., а также предложения по программному обеспечению, которое можно интегрировать в RNA World.

Между тем ассоциация энтузиастов постоянного тока даже превратилась в целое tecSPACE, открытую мастерскую с 3D-принтером, лазерным резаком / гравером, рабочей средой виртуальной реальности, осциллографом, лабораторным источником питания, паяльной станцией, микроскопом и фрезерным станком с ЧПУ, которые бесплатно доступны для всех людей с хорошими идеями. «В биоинформатике мы хотим продвигать идею OpenPharma, которая позволяет любознательным людям заниматься своими собственными исследовательскими проектами», - говорит Вебер. «По сути, для нас также важно показать, что альтруистические действия в кооперативном сообществе могут быть более мощными, чем коммерческие услуги, основанные на конкуренции».

Кэтлин Грансалке https://www.laborjournal.de/editorials/2091.php
Фото: Rechenkraft.net e. В.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru/forum/

[SETI_home_v8]

Распределенные вычисления на графических процессорах NVIDIA

Вместе мы становимся еще более мощными: Сворачивание на GPU получает преимущество, благодаря поддержке NVIDIA cuda!
Поддержка CUDA приходит в Folding@Home, чтобы дать графическим процессорам NVIDIA большой прирост скорости, и вам не нужно ничего делать для ее активации!

Сворачивание на графических процессорах составляют огромную часть вычислительной мощности Folding@Home, что позволяет нам помогать таким проектам, как проект по открытию научных лекарств COVID Moonshot, оценивать тысячи молекул в неделю в их стремлении создать новое недорогое безпатентное бесплатное лечение COVID-19.
https://youtu.be/VnyaAmM1nhE

COVID Moonshot (@ covid _ moonshot) использует способность Folding@Home оценивать тысячи молекул в неделю, синтезируя сотни этих молекул в стремлении разработать безпатентный препарат для COVID-19, который можно будет принимать как простую таблетку 2 раза в день.

С сегодняшнего дня ваши вычисления на графических процессорах только что получили большую мощность! Благодаря инженерам NVIDIA наши GPU-ядра Folding @Home - основанные на инструментарии OpenMM с открытым исходным кодом - теперь поддерживают CUDA, позволяя запускать GPU-проекты значительно быстрее. Типичные GPU получат прирост скорости на 15-30% в большинстве Folding@Home проектов, резко увеличивая как научную пропускную способность, так и количество очков в день (PPD).

Еще более захватывающим является то, что COVID Moonshot Sprints - которые используют специальные функции OpenMM для оценки того, насколько плотно потенциальные терапевтические средства будут ингибировать SARS-CoV-2 основную вирусную протеазу - могут видеть ускорение до 50-100% на многих GPU, помогая нам значительно ускорить наш прогресс в направлении лечения. Следить за ходом Moonshot можно в Twitter.

Чтобы увидеть эти повышения скорости, вам не придется ничего делать - новая версия 22 ядра с индексом 0.0.13 будет автоматически развертываться в течение следующих нескольких дней на многих проектах, автоматически загружая CUDA-версию ядра и библиотеки компиляторов среды выполнения CUDA, необходимые для ускорения нашего кода. Если у вас есть графический процессор NVIDIA, в журнале клиента будет видно, что будет запущено более быстрая версия CUDA с индексом 0.0.13.

Чтобы добиться максимальной производительности нового ядра с поддержкой CUDA, обязательно обновите драйверы NVIDIA! Нет необходимости устанавливать CUDA Toolkit.

Хотя core22 0.0.13 должен автоматически включать поддержку CUDA для архитектур Kepler и NVIDIA GPU более поздних версий, при возникновении каких-либо проблем обратитесь в Folding Forum за помощью в устранении неполадок. Как члены команды Folding@Home, так и волонтеры сообщества могут помочь в разборе любых проблем.

Помимо поддержки CUDA, core22 0.0.13 включает в себя ряд bugfix и новых научных функций, а также более полезную информацию, отображаемую в журналах.

Мы невероятно благодарны всем тем, кто внес свой вклад в разработку последней версии ядра графического процессора Folding@home, особенно:
Peter Eastman, ведущий разработчик OpenMM(Stanford)
Joseph Coffland, ведущий разработчик Folding@Home (Cauldron Development)
Adam Beberg, главный архитектор, распределенных систем (NVIDIA) и оригинальный соавтор Folding@Home почти 21 год назад!

Мы хотели бы выразить особую благодарность Дженсену Хуангу и всем в NVIDIA за их невероятную поддержку Folding@Home, которая недавно была представлена на недавнем мероприятии по запуску NVIDIA GeForce RTX 30 Series:
https://youtu.be/E98hC9e__Xs

Кроме того, эти улучшения были невозможны без невероятного усилия всех волонтеров Folding@Home, которые помогли нам проверить многие ревизии сборок, особенно PantherX, Anand Bhat, Jesse_V, Bruce, toTOW, davidcoton, mwroggenbuck, artoar_11, rhavern, hayesk, muziqaz, Zach Hillard, _r2w_ben, bollix47, joe_h, ThWuensche и все остальные, кто проверил ядро и обеспечил обратную связь.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru/forum/

[SETI_home_v8]

О команде TSC! Russia

СПОЙЛЕР »

О команде TSC! Russia
1) Кто мы ?
Мы - одна из наиболее успешных и крупных команд распределённых вычислений не только в России, но и в мире. Наша цель - помочь человечеству в изучении различных областей медицины с помощью компьютерного моделирования.

2) Распределённые вычисления (РВ) - что это?
РВ - довольно увлекательное занятие. Ставится определённая цель, решить которую путём обычного ручного перебора или, например, одним персональным компьютером пока не под силу человеку. Тогда сотни тысяч компьютеров по всему миру сообща пытаются найти решение. Достигается очень высокая вычислительная мощность! Получается своего рода суперкомпьютер, но он не принадлежит какой-либо фирме или правительству, нет отдельного помещения, в котором размещается всё "железо". Участие только на добровольной основе, за это не платят, а получаемые результаты общедоступны и бесплатны для использования (во всяком случае это справедливо для проектов РВ, поддерживаемых нашей командой).

3) Что означает наше название?
TSC! Russia = The Succesful Crunchers! Russia. Дословно - "Успешные кранчеры России!". Кранчер - это тот, кто принимает участие в распределённых вычислениях.

4) Что мы делаем? Принципы нашей работы.
Вкратце, наши компьютеры используются для помощи учёным. Мы выступаем в роли своебразных волонтёров, принимая участие в решении определённых задач, поставленных организаторами. Делаем мы это путём предоставления свободной вычислительной мощности наших ПЭВМ (ПК).

5) Каковы приоритеты нашей команды? Какие задачи мы решаем?
Проектов РВ довольно много, но далеко не все имеют чёткие цели и смысл. Основная политика команды - принимать участие только в проектах РВ, приносящих реальную пользу.
Учитывая это, мы пришли к решению, что лучше всего будет поддерживать медицинские проекты, так как реальный эффект от них может появиться через несколько лет и он не останется незамеченным. Человечество сможет избавиться от страшных болезней, таких как: СПИД, ВИЧ, диабет типа II, болезнь Альцгеймера, Паркинсона, Крейтцфельдта-Якоба (коровье бешенство), склероз и различные формы онкологических заболеваний. Во всём этом можете принять участие и вы!

6) Сколько нас?
Поддерживая в своё время разные проекты, одни из которых закончились удачно, другие - не очень, мы включали в себя от нескольких сотен, до нескольких тысяч участников! На данный момент (март 2013 г.) в проекте Folding@Home, согласно статистики extremeoverclocking.com, наша команда насчитывает более 9500 участников, активными (т.е. считающими непрерывно) из них являются более 500 человек.
В проекте Rosetta@Home, согласно статистики boinc.bakerlab.org, в нашей команде числится почти 1800 человек, из которых почти 250 являются активными.

7) Зачем это нужно? Тем ли мы занимаемся?
Во-первых, мы не хотим просто сидеть на месте, мы ищем новые методы борьбы со страшными болезнями, с которыми сейчас, к сожалению, человеку еще не справиться.
Во-вторых, мы обращаем бездействие системы (которое может доходить до 99% всего рабочего времени при обычной офисной работе) в полезные расчёты, то есть ту энергию, которая тратится на питание вашего компьютера, можно направить на пользу науки. И мы делаем это совершенно бескорыстно, искренне желая помочь людям. Как бы пафосно это ни звучало, это остаётся правдой.
Пройдя по ссылке "Моя борьба с раком", можно прочитать о судьбах людей, кому пришлось столкнуться с такими страшными болезнями, как рак и т.д.

8) Как же всё-таки выполняется наша работа?
1 - из интернета скачивается программа-клиент;
2 - для неё закачиваются ядро и задания, при их обсчёте вы можете быть offline;
3 - по окончании рассчётов, клиент отправляет результаты на сервер, после чего Вам зачисляются очки за посчитанные задания.

Вопросы о проектах, поддерживаемых командой:

9) История участия команды
TSC! Russia - старейший участник медицинских проектов РВ. В 2002-2004 годах команда считала проект "TSC", пока не стали изветны определённые факты, ставящие под сомнение целесообразность и правдивость заданий организаторов.
Параллельно с этим TSC! Russia участвовала в русском проекте MD@Home, на поддержку которого у создателя впоследствии не хватило средств. Наибольших успехов мы добились в проекте "Find-a-Drug", где нам не было равных по количеству и качеству проделанной работы.

10) Приоритетные проекты
После окончания Find-a-Drug наша команда была поставлена перед тяжёлым выбором. В итоге мы решили поучаствовать в очередном медицинском проекте - Folding@Home (F@H), изучающем фолдинг (процесс свёртывания/развёртывания) белков. Кроме того, довольно продолжительное время в качестве дополнительно поддерживаемого считался проект Rosetta@Home (R@H). На данный момент можно уверено сказать, что F@H и R@H для нашей команды равноценны.

11) Соревновательный элемент
Да, помимо идеологии, РВ также включает в себя увлекательные соревнования в скорости. Соревноваться можно в зачёте стран, команд или в личном зачёте. Если хотите заявить о себе - РВ для вас!
Вот такие "спортивные успехи" есть у нашей команды:
- 2 место в русском "MD@Home";
- долгое время остававшееся 1-ым место в проекте TSC, до тех пор, пока мы не покинули его;
- 1 место в "Find-a-Drug" среди команд, Россия также заняла 2 место среди всех стран, опередила нас лишь США;
- по состоянию на март 2013 г.: в Folding@Home мы занимаем 5-е место по общему количеству очков и 7-е по скорости счёта; в Rosetta@Home 1-е место как по общему количеству очков, так по скорости счёта.

12) Захотели помочь?

[TSC!] Хочу присоединиться к команде и начать считать (Вам сюда)

Жизнь команды:

13) Помимо рассчётов, чем ещё живёт команда? Есть ли какие-нибудь развлечения?
1. Среди активных участников команды в соответствующей теме проводятся розыгрыши различных призов.
2. У нас есть практика проводить встречи команды. Обычно мы собираемся где-нибудь в кафе или баре и за чашечкой кофе или чего-нибудь покрепче делимся друг с другом своими проблемами, обсуждаем проекты или просто позитивно проводим время. Встречи проводятся не только в Москве и Петербурге, главное всё правильно организовать.
3. Вряд ли это можно назвать развлечением, но однажды мы просто решили скинуться и купить командный сервер. В итоге потратив чуть более 100 тысяч рублей, мы собрали 48-ядерного монстра. Конфигурацию и фото можно посмотреть тут.

Если Вы не нашли ответ на свой вопрос или боитесь что-либо спросить в темах, задавайте вопросы в ЛС участникам форума со статусом "TSC! Russia member", мы всегда поможем по мере сил и возможностей.
Для подозрительных и сомневающихся
Чтобы ответить на несколько типичных вопросов, касающихся проблемы "Чем НА САМОМ ДЕЛЕ занимаются проекты распределённых вычислений?", я решил создать этот FAQ.
Он основан на личном опыте, информации от организаторов проектов РВ и от товарищей по нашей и другим командам распределённых вычислений, а также размещённой на различных сайтах в Интернете.

Q. Почему вы занимаетесь распределёнными вычислениями (РВ)? Это секта? Может, за это платят?
A. Идея распределённых вычислений, как мы её понимаем, в том, что неспециалисты помогают специалистам, предоставляя безвозмездно вычислительные мощности, что значительно дешевле, нежели арендовать суперкомпьютеры, а тем более собирать их самим. Как правило, важнейшим стимулом для этого выступает то, что взамен организаторы обещают направить эти мощности на некоторые полезные для всех людей или значительного их числа цели. Например, это могут быть поиск лекарств или способов лечения болезней, исследования в области фундаментальной или прикладной науки. Наша команда не поддерживает проекты, которые очевидно не имеют научной ценности, а пытаются привлечь к себе внимание денежными призами или исключительно состязательным, спортивным элементом. Никакого религиозного компонента. Просто нам нравится идея, что мощности наших компьютеров могут вдруг оказаться полезными для всех людей, а не только для нас лично. Хотя мы в основной массе не ждём никакого материального поощрения, мы нормально относимся к тому, что кто-то может считать только ради обгона в статистике - это их личное дело. В конечном итоге такой подход в рамках одного проекта распределённых вычислений приносит точно такую же пользу, что и вычисления исключительно по идейным соображениям.

Q. Где гарантия, что вы считаете именно то, что обещают организаторы проекта, а не, скажем, взламываете коды нашей разведки для ЦРУ, не рассчитываете ядерную бомбу для террористов, не помогаете американскому ВПК совершенствовать биологическое или химическое оружие?
A. Здесь много гарантий.
Во-первых, если говорить об оружии, никто не выложит в открытый доступ программное обеспечение для его создания. Ведь у вас на компьютере есть и вычислительный модуль, и данные, и результаты, и все они проверяемы (и даже, в большинстве проектов, никак не шифруются).
Во-вторых, если говорить о бактериологическом, биомолекулярном, токсинном и т. п. оружии, это не то, что может быть рассчитано нынешним уровнем мощностей ЭВМ. Все достижения одного из мощнейших проектов РВ - Folding@home - меркнут на фоне простой попытки рассчитать взаимодействие химического вещества с тысячами возможных белков человеческого организма. А расчёты ядерного оружия требуют несопоставимой с возможностями РВ скорости связи между вычислительными узлами. Баллистика? Да её с логарифмической линейкой в 19 веке рассчитывали. Тут просто не нужны такие мощности, всё давно посчитано на простейшей технике. Если же речь о шифрах, то нужно быть очень наивным, чтобы полагать, что РВ могут эффективно использоваться для серьёзной дешифровальной работы. Дело в том, что, даже если бы мощности какого-нибудь проекта и хватило на вскрытие современных шифров с достаточной надежностью ключей, то, увы, годы работы ушли бы на 1 шифр, который утратил бы ценность к моменту завершения расчётов.
В-третьих, военные вообще не страдают нехваткой средств, у них есть более эффективные способы проведения нужных им расчётов с высокой секретностью полученных результатов. Впрочем, как уже говорилось, мы легко можем увидеть, что именно считаем, по файлам входящих данных и исходящих результатов.

Q. А где гарантия, что заявленные цели будут достигнуты? Вдруг дело закончится парой статей в научных журналах и удачно защищённой диссертацией?
A. А вот таких гарантий нет и быть не может. Максимум, чего мы можем добиваться - это стараться поддерживать только, или преимущественно, проекты, имеющие солидную научную, кадровую и финансовую базу, по возможности проверенные временем, не имеющие видимых даже неспециалисту проблем. Мы принимаем во внимание возможность того, что из-за объективных или субъективных проблем проект может закончиться безрезультатно или прерваться до завершения (если таковое вообще планируется).

Q. Допустим, проект достиг своих целей. Пусть это лекарство от болезни, открытие в области физики или что-то ещё практически полезное для людей. И где гарантия, что организаторы не запатентуют его и не будут извлекать сверхприбыли?
A. Такой гарантии обычно нет. Это возможный исход событий в случае успеха того или иного проекта РВ. ОДНАКО: патенты не мешают вам покупать мобильные телефоны GSM, принимать аспирин и застёгивать куртки застёжкой "молния". Даже если поначалу кто-то будет извлекать сверхприбыли, всё-таки лучше иметь лекарство от болезни дорого, чем не иметь вообще. А со временем и оно будет продаваться по нормальной цене.

Q. Так и где же хоть один реальный результат проекта, который тянется уже годы?
A. А что именно понимается под реальным результатом? Проекты РВ ставят различные цели, но если бы просто большой объём вычислений мог, скажем, создать лекарство от любой болезни сам по себе, уже многие суперкомпьютеры мира успели бы посчитать в этом направлении, и лекарства от всех болезней стали бы реальностью. Простота достижения результата в РВ обратно пропорциональна его полезности (в том числе и потому, что всё, что было можно относительно просто сосчитать полезного, было сосчитано и без РВ, остались задачи сложные, чрезвычайно сложные или не такие сложные, но и не слишком коммерчески привлекательные).

Основная роль РВ в области борьбы с болезнями - это "обогащение руды", то есть фильтрация явно бесполезных направлений движения и отбор потенциально полезных. Если брать проекты, которые занимаются конкретно поиском лекарств, - они выбрасывают заведомо неэффективные вещества, но не гарантируют того, что оставшиеся вещества не принесут вреда, побочных эффектов, не будут случайно "обезврежены" какими-то веществами в человеческом теле и т. п. Моделируется только взаимодействие некоей цели с конкретным веществом в определённых условиях. Иными словами, позитивно оцененное проектом вещество может и подавлять рак, но при этом вызывать кому, смерть или необратимое слабоумие. Кроме того, в реальной клеточной среде оно может вести себя иначе, чем в водной среде, которая обычно используется для упрощения расчётов силами РВ.

Если же брать РВ в области биохимии, как все "фолдинги", изучающие сворачивание белков, то они и вовсе не ставят цели создать лекарство в ходе расчёта. Они лишь показывают, как создаётся и приобретает свои свойства белок, а уже на основе этих знаний учёные могут предположить, что может повлиять на этот процесс, попробовать поискать нужные для этого вещества и способы. В этом направлении результаты есть, наука уже получила немало полезной информации от проектов типа Folding@home, Rosetta@home и др.
Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru/forum/

[SETI_home_v8]

Cancer Computer использует списанные серверы для борьбы с раком и коронавирусом

Крупные компании регулярно обновляют свои серверы, чтобы получать больше вычислительной мощности и уменьшать затраты на их содержание. Старое же аппаратное обеспечение обычно отправляется на переработку или вовсе выбрасывается, но бывают и исключения.
Например, канадская благотворительная организация Cancer Computer предлагает использовать такое оборудование для медицинских исследований.

Организация была основана 5 лет назад и с тех пор накопила 14 300 процессорных ядер, что даёт ей вычислительную систему, соответствующую по производительности среднему университетскому кластеру в США или Канаде. В большинстве случаев Cancer Computer получает оборудование от корпоративных партнёров, которые желают посодействовать исследованиям.

Как можно догадаться по названию, главной целью организации Cancer Computer является борьба с раком. Исследования в данной области как раз нуждаются в высокопроизводительных вычисления. Однако одним лишь раком исследования не ограничиваются, и канадская организация помогает бороться и с другими опасными заболеваниями, а также поддерживает исследования в области нейробиологии через проект Rosetta@Home.

Теперь же Cancer Computer присоединилась к глобальной борьбе с COVID-19. Отмечается, что организация направила на помощь в исследованиях в данной области все свободные вычислительные мощности, которые теперь помогают исследователям из Вашингтонского университета в Сиэтле искать лечение от коронавируса.

Подавляющее большинство серверов, полученных Cancer Computer за пять лет существования построены на процессорах Intel, однако также есть несколько дюжин серверов на процессорах AMD и системы с GPU-ускорителями. По словам представителей организации, им бы хотелось заполучить больше систем на AMD, так как они показали свою высокую эффективность в некоторых биологических вычислениях.

На данный момент большинство вычислительных мощностей Cancer Computer располагает в тех учреждениях, которые будут их использовать, выступая своего рода посредником между коммерческими организациями и исследователями. Это самые различные университеты и институты в Канаде и США. Ещё часть пожертвованных серверов располагается на обычных хостингах и частных площадках, а в будущем организация планирует расширить присутствие в коммерческих ЦОД.

В итоге же масса исследователей может получить доступ к тому или иному объёму вычислительных мощностей. К тому же работа Cancer Computer помогает сократить количество электронных отходов. Отмечается, что всё больше организаций понимают важность продления срока службы вычислительных систем, и поддерживают инициативы, подобные Cancer Computer.

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

ПОСЛЕДНИЕ ОТКРЫТИЯ EINSTEIN@HOME

Опубликовано 22 окт 2020 9:42:44 UTC

Я с гордостью объявляю о последнем открытии Einstein@Home, которое было опубликовано сегодня в Astrophysical Journal Letters. Это идентифицирует пульсар типа «черная вдова» по данным телескопа Large Area Telescope на борту спутника Fermi. Наше открытие раскрывает природу загадочного источника, впервые обнаруженного два десятилетия назад спутником EGRET. Теперь мы знаем, что источник энергии в центре этого источника - замечательная двойная система, состоящая из пульсара, находящегося на близкой орбите с очень легкой звездой. Если вы хотите узнать больше, статья находится в открытом доступе и доступна

https://iopscience.iop.org/article/1...41-8213/abbc02


Вот . Спасибо тысячам добровольцев, которые сделали это открытие возможным, пожертвовав свое компьютерное время Einstein@Home, и тем, чьи компьютеры впервые обнаружили PSR J1653−0158: И-Шэн Ву из Таоюаня, Тайвань, и Дэниел Скотт из Анкени, Айова. , США.

[SETI_home_v8]

Astrarium - бесплатный open-source планетарий для Windows

Привет любителям астрономии!

Хочу поделиться своим хобби-проектом - бесплатным open-source планетарием Astrarium.

Работает под Windows, показывает положения 8 больших планет и их спутников (используются алгоритмы VSOP87), Солнца, Луны (ELP2000), астероидов и комет, поддерживает дипскай каталоги NGC/IC, звездные каталоги BSC и Tycho2. Планетарий может строить треки движения небесных тел, показывать эфемериды на выбранный момент времени или диапазон дат, генерировать календарь астрономических явлений и многое другое.

Программа построена на модульной архитектуре, поэтому функционал зависит от подключенных модулей (плагинов).

Программа portable, не требует установки, будет работать из любой папки. Подключение к сети не обязательно, но желательно - программа скачивает изображения Солнца с сайта SOHO, а также обновляет элементы орбит малых спутников планет с NASA HORIZONS.

Ссылка на сайт программы: https://astrarium.space/
Ссылка на репозиторий GitHub: https://github.com/Astrarium/Astrariu

[SETI_home_v8]

Всем привет – Это MilkyWay!

Прошло много времени с тех пор, как мы обновили эту ветку. Многое произошло с MilkyWay @ home, и я хотел бы обсудить некоторые новые вещи, которые мы здесь делаем.

В настоящее время мы работаем на MilkyWay @ home и оптимизируем карликовую галактику-прародитель Орфанного потока, используя данные цифрового обзора неба Слоуна (SDSS), а также данные камеры темной энергии, чтобы они соответствовали южному концу Орфанского потока. В прошлом мы тестировали MW @ home с смоделированными данными, чтобы увидеть, сможем ли мы точно извлечь правильную массу и радиальный профиль образца карликовой галактики из ее приливных потоков. После исправления нескольких ошибок в коде Earth Mover Distance и сбора данных в областях, где их не было, мы, наконец, готовы использовать наш код на реальном устройстве.

В дополнение к новым запускам мы все ближе приближаемся к выпуску еще одной версии MW @ home с рядом новых функций. Одна из самых важных функций, которые мы добавляем, - это способность MW @ home соответствовать орбитам приливных потоков, которые мы оптимизируем. В прошлых версиях орбиту (определяемую двумя позиционными параметрами и трехмерными параметрами скорости) приходилось вручную устанавливать в файле lua, отправляемом со всеми рабочими блоками. Используя звездные данные, мы могли бы вычислить пять параметров, необходимых для того, чтобы орбита нашей карликовой галактики прослеживала путь наблюдаемых приливных потоков. Однако это не всегда надежный метод выбора орбиты. Карликовые галактики не являются бесконечно малыми точками и, таким образом, прослеживают несколько самовзаимодействующих орбит, фаза которых смешивается, поскольку приливные силы заставляют сегменты карликовой галактики ускоряться вперед или отставать. Кроме того, в некоторых случаях ориентация приливного потока может не отражать его истинный орбитальный путь. В случае Сиротского Потока скорость звезд в его южном хвосте ПЕРПЕНДИКУЛЬНО движется к приливному потоку из-за гравитационных рывков Большого Магелланова Облака. Чтобы учесть эту изменчивость и хаос, помимо подбора массы и радиального профиля карликовой галактики-прародителя, мы также планируем одновременно подобрать ее орбиту.

Еще одна новая функция в следующей версии - добавление LMC. Новые оценки массы БМО оценивают ее примерно в 10% от общей массы Млечного Пути. Это вносит значительный нестатический компонент в систему Млечного Пути, который необходимо учитывать при моделировании. Однако добавить БМО с этой массой не так просто, как вставить точечную частицу с соответствующей массой в нашу симуляцию. По мере того как БМО тянется к Галактике Млечный Путь, наша Галактика также притягивается БМО, переводя нашу систему в ускоряющуюся систему отсчета. Таким образом, мы должны корректировать положения и скорости всех частиц для каждого временного шага, чтобы учесть сдвиги в системе отсчета Млечного Пути.

Последняя функция, над которой мы все еще работаем, добавляем в MW @ home, - это обработка GPU для nbody. Подобно тому, как Separation в MW @ home использует приложения GPU для быстрого извлечения потоков с неба, мы планируем реализовать вычисления на GPU, чтобы ускорить наши длительные симуляции. Ни для кого не секрет, что приложениям NBody требуется больше времени для запуска между увеличением тел и добавлением более сложных потенциалов. К тому же подгонка орбиты и расчеты LMC только увеличивают время выполнения. Хотя мы все еще исправляем некоторые ошибки, мы надеемся, что добавление совместимости с графическим процессором поможет всем сэкономить время и ускорить эти вычисления.

В общем, мы были заняты RPI, собирая новые звездные данные для оптимизации и отладки новых предстоящих функций. Мы приносим свои извинения за то, что не проявляем такой активности в этих обсуждениях, как в прошлом, и будем стараться, чтобы обновления приходили по мере того, как будут сделаны новые открытия. Спасибо всем за терпение и поддержку.

Всем привет – Это MilkyWay!

MilkyWay @ home рассчитывает массу и радиальный профиль Орфанного потока на основе его приливных обломков и распределения звезд. Это полезно, потому что дает нам представление о содержании темной материи в потоке. Он работает, проверяя случайные наборы параметров против приливного течения и видя, какой набор параметров лучше всего подходит. Каждый компьютер в этом проекте получает набор параметров и выполняет симуляцию Nbody. Хорошо это или плохо, компьютер отправляет оценку вероятности обратно на главный сервер, и мы используем алгоритм дифференциальной эволюции для создания более точных наборов параметров для тестирования. Мы продолжаем использовать этот алгоритм до тех пор, пока наша совокупность наборов параметров не сойдется до максимальной вероятности.

Одним из самых больших препятствий для этого проекта было определение того, можно ли определить содержание темной материи только по звездным данным. Однако тестирование кода на MW @ home показывает, что с учетом тестового приливного потока, сгенерированного из заранее определенных параметров, MW @ home действительно может вернуть эти параметры. Кроме того, наш последний набор запусков возвращает наборы параметров, которые имеют смысл в целом. Так да. Ожидания нашего проекта оправдались.

Спасибо, что проявили интерес к нашему исследованию.

Если вас не интересуют детали, лежащие в основе этих тестов, или специфика проекта, пожалуйста, пропустите этот комментарий. Этот комментарий не является новостью, поэтому вы не упускаете ничего важного для проекта.

Я узнал, что многие из добровольцев нашего проекта не знакомы с тем, что проект фактически делает за кулисами, поэтому я кратко опишу, что такое Приложение разделения и что оно делает.

Milkyway @ home имеет два проекта: Первый, оригинальный проект - приложение для разделения. Второй проект - N-body (который я здесь обсуждать не буду, но не стесняйтесь спрашивать Эрика о деталях, если вам интересно). Приложение Separation предназначено для сбора большого количества звезд выключения Главной последовательности (звезд, которые переходят из стадии «жизни», в которой находится наше Солнце, чтобы стать звездами-гигантами), и использовать эти данные для поиска субструктуры в пределах нашего Млечного Пути. Это делается с использованием данных Sloan Digital Sky Survey и PanStarrs.

Идея состоит в том, что в Млечном Пути много звездных потоков. Эти потоки образуются из карликовых галактик, падающих в Млечный Путь и растягивающихся из-за сил того же типа, которые вызывают приливы на Земле. Эти потоки являются очень чувствительными индикаторами гравитационных полей, создаваемых нашей Галактикой. Обнаруживая и анализируя эти потоки, можно получить информацию о гравитационных силах в различных областях Млечного Пути. Затем эту информацию можно использовать для определения того, где находится темная материя в пределах Млечного Пути, поскольку области, богатые темной материей, должны создавать гораздо более сильные гравитационные силы, чем мы ожидаем, просто глядя на то, сколько там светлой материи. Обнаружив темную материю, мы намного ближе к пониманию того, что такое темная материя.

Приложение Separation пытается подогнать несколько моделей потоков (в основном цилиндров) к фоновой модели Млечного Пути на небольшой полосе неба. Затем на основе этих входных данных он строит модель ожидаемого расположения звезд в регионе и сравнивает ее с наблюдаемыми данными, которые мы получаем из крупномасштабных съемок. Это делается с помощью сотен тысяч попыток проб и ошибок, при этом лучшие попытки используются для создания следующего поколения попыток (см. Раздел «Дифференциальная эволюция», если вам интересен этот процесс). Когда вы запускаете рабочую единицу для приложения разделения, вы выполняете вычисления для одного из этих испытаний.
Результаты, которые мы получаем от запуска приложения разделения, должны указывать нам, где наиболее вероятно, что эти потоки расположены в полосе данных. Комбинируя данные из многих полос, вы можете следить за потоками на больших участках неба. По большей части эти результаты выглядят как потоки, которые мы видим в небе. Однако в некоторых случаях некоторые результаты потока из полосы не будут выглядеть как поток из-за того, как оптимизатор подобрал их. Вместо того, чтобы выбросить эти данные, я хочу посмотреть, пытается ли оптимизатор «сказать» нам что-то - то есть, возможно, в этом месте нет потока, но есть что-то еще, и мы просто не Я недостаточно хорошо понимаю результаты, чтобы сказать, что это такое. Может быть, оптимизатор делает все возможное, чтобы соответствовать потокам, которые существуют в реальной жизни, но выходят за пределы диапазона данных, которые мы используем. Может быть, оптимизатор выдаст странные результаты, когда в небе всего 3 потока, а вы пытаетесь уместить 4 модельных потока, или наоборот. Цель этих тестов - выяснить, какие входные данные возвращают какие выходные данные оптимизатора. Это позволит нам более уверенно интерпретировать результаты оптимизатора и, возможно, сделать еще больше открытий, чем мы могли бы в противном случае!

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru/forum/

[SETI_home_v8]

OpenPandemics - COVID-19 приближается к первому этапу лабораторного тестирования потенциальных методов лечения

СПОЙЛЕР »

Автор: Исследовательская группа OpenPandemics
29 октября 2020 г. Резюме

В этом обновлении команда Forli Lab из Scripps Research дает нам взгляд на три вирусных белка, которые они изучают в настоящее время, и описывает свои планы на ближайшее будущее.

Background

https://www.worldcommunitygrid.org/r...researchers.do
Наша команда в Scripps Research проводит симуляции молекулярного моделирования, чтобы найти возможных кандидатов для разработки методов лечения COVID-19. Чтобы добиться успеха, мы сотрудничаем с World Community Grid, чтобы получить огромные вычислительные мощности, необходимые для проведения миллионов смоделированных лабораторных экспериментов.

В этом обновлении мы познакомим вас с тремя вирусными белками, которые мы в настоящее время изучаем, обрисовываем наши планы по изучению большего количества белков с помощью World Community Grid и дадим вам знать, где мы находимся в процессе получения. потенциальных методов лечения для наших сотрудников лаборатории для тестирования. (Мы близки!)

Но сначала член исследовательской группы доктор Мартина Маритан создала инфографику о проекте, чтобы помочь обрисовать полный процесс исследования. Вы можете щелкнуть здесь, чтобы увидеть полную информацию.

Кроме того, вот определения нескольких терминов, которые помогут вам лучше понять наше обновление.
https://forlilab.org/wp-content/uplo...c_mmaritan.png

Поза лиганда: поза лиганда - это одно из возможных расположений для данной молекулы. В рамках этого проекта у нас есть несколько поз лиганда для каждого химического соединения, и мы выбираем лучшую.
Молекулярная стыковка: этот процесс представляет собой изучение того, как две или более молекулы подходят друг другу, например, как белок в клетке человека или вирусе сочетается с химическим соединением.

В OpenPandemics - COVID-19 мы можем масштабно использовать этот процесс, благодаря огромной вычислительной мощности World Community Grid, путем виртуального скрининга миллионов химических соединений, чтобы увидеть, какие из них могут связываться с белками вируса SARS-Cov2, вызывающего COVID -19.

Вирусные белки: это белки, генерируемые вирусом (в этом проекте SARS-Cov2).

Управление данными и анализ

В предыдущем обновлении мы подробно рассказали, как нам удалось сжать результаты дальше, чем это возможно при традиционном сжатии данных, передавая только переменные позы каждого лиганда (которые мы технически называем «геном»). Это краткая информация о том, что происходит после «регидратации» этих поз, или, другими словами, о том, как мы анализируем результаты.

Все создаваемые вами данные анализируются в несколько этапов. Первый этап происходит, когда мы получаем пакеты (или партии единиц работы) из World Community Grid. Мы анализируем каждую содержащуюся в них позу лиганда (каждый пакет содержит около полумиллиона поз) и фиксируем конкретные взаимодействия с белком-мишенью. Эти взаимодействия могут быть водородными связями, неполярными взаимодействиями или, что наиболее важно для реактивной стыковки, возникновением химической реакции между чястями белка и целевыми остатками.

Эта информация вместе с геномом результата - это то, что мы храним в нашей базе данных результатов для следующего этапа анализа. В настоящее время благодаря вашим целенаправленным усилиям вы создали в общей сложности около 6,8 миллиарда поз лигандов, занимающих около 20 ТБ памяти. Хотя это большой объем данных - и мы недавно обновили наш сервер базы данных, увеличив объем хранилища (250 ТБ!) Именно по этой причине, - это все еще примерно столько, сколько потребуются отдельные координаты для каждой позы. Хотя этот этап анализа является наиболее затратным с точки зрения вычислений, в настоящее время мы можем анализировать примерно в четыре раза больше пакетов в день, чем мы получаем, используя только один вычислительный узел.

Второй этап анализа включает несколько уровней фильтрации по всему набору результатов с использованием взаимодействий, которые мы зафиксировали на первом этапе. Мы начинаем с широкого фильтра, основанного на энергии лиганда и взаимодействиях с остатками, представляющими интерес для данной мишени. Этот запрос к базе данных возвращает идентификаторы отдельных поз. Затем эти позы классифицируются по критериям выбора, которым они соответствуют. Эти критерии выбора специфичны для конкретной цели и включают такие вещи, как «взаимодействует с x, но не взаимодействует с y», «водородные связи с z» и другие. Наконец, позы лигандов, отвечающие всем наиболее важным критериям, регидратируются (т.е. восстанавливаются их фактические трехмерные координаты) и сохраняются в качестве потенциальных кандидатов. В настоящее время на этом этапе анализа выявляется около 20 000 потенциальных кандидатов из 6,8 миллиардов поз лиганда.

Заключительный этап анализа - вручную отобрать наиболее перспективные молекулы для экспериментального тестирования нашими сотрудниками. Процесс выбора состоит из визуального осмотра пристыкованных поз для оценки нескольких аспектов, которые необходимы этим молекулам для связывания белка, но которые часто не моделируются должным образом при стыковке. Комплементарность формы - один из этих аспектов: молекула должна хорошо помещаться в белковый карман, без чрезмерного пустого пространства между молекулой и белком. Другой важный аспект - деформация - молекула не должна вступать в неблагоприятное взаимодействие с собой, чтобы поместиться в кармане.

Из 20 000 потенциальных кандидатов мы отобрали около 70 молекул для экспериментального тестирования и в ближайшее время собираемся их заказать! (См. Раздел «Создание виртуальных молекул РЕАЛЬНОСТЬ» ниже.)

Текущие пакеты

Текущие пакеты нацелены на три вирусных белка (см. Видеоролики выше, созданные членом исследовательской группы доктором Жеромом Эберхардтом): nsp3, nsp5 и nsp15. Это первый раз, когда молекулы состыковываются с nsp5 и nsp15.

Все молекулы содержат акриламидную группу, которая может вступать в реакцию с некоторыми цистеинами вирусных белков. Все эти акриламидсодержащие молекулы доступны в базе данных ZINC или напрямую у наших поставщиков химических веществ, что гарантирует их разумную цену или простоту синтеза иным способом.

Новые цели

Пока мы продолжаем готовить пакеты для текущих целей, мы уже изучаем новые, для которых мы проведем следующие просмотры. Один из них - неструктурный белок 8 (nsp8).

Подобно другим коронавирусам, SARS-CoV-2 представляет 16 неструктурных белков, которые являются высококонсервативными и выполняют различные функции, включая образование комплекса репликации-транскрипции. Среди них Nsp8 представляет собой коронавирусный неструктурный белок, который вместе с nsp7 взаимодействует и регулирует РНК-зависимую РНК-полимеразу (nsp12 или RdRp), которая катализирует синтез вирусной РНК во время инфекции. По сути, nsp8 и nsp7 действуют как кофакторы, стимулирующие полимеразную активность nsp12, играя ключевую роль в цикле репликации и транскрипции вируса.

https://www.rcsb.org/structure/6NUR

Со структурной точки зрения, nsp8 принимает разные конформации в зависимости от взаимодействующего партнера, в частности, он находится в «закрытой конформации», когда он связан с nsp7, и в «открытой конформации», когда он связан с nsp12. Мы начали наше исследование с тройного комплекса nsp7-nsp8-nsp12 (Pdb id: 6NUR), сосредоточив внимание сначала только на белке nsp8 на границе с nsp12, который представляет собой два остатка цистеина 114 и 142 соответственно.
http://www.gervasiolab.com/

В сотрудничестве с лабораторией Gervasio мы решили изучить доступность этих карманов, содержащих остатки цистеина, с помощью динамического моделирования в воде и сорастворителе. Впоследствии тщательный отбор структур nsp8, полученных из динамики, будет затем использоваться в качестве входных мишеней для виртуального скрининга библиотек реактивных фрагментов.

Делаем виртуальные молекулы РЕАЛЬНЫМИ

Мы работаем с поставщиком химикатов Enamine, который предоставит физические аналоги молекул, которые были состыкованы с помощью World Community Grid. Эти молекулы взяты из их РЕАЛЬНОЙ базы данных, набора молекул, для которых у них запланирован синтетический путь, но которые не обязательно были синтезированы в прошлом. Их РЕАЛЬНЫЙ каталог содержит 1,36 миллиарда молекул, которые мы можем сразу проверить и синтезировать по запросу. Это позволяет нам исследовать больше химического пространства, чем мы могли бы с существующими физическими библиотеками.

https://enamine.net/
Это означает, что вскоре мы отправим молекулы нашим сотрудникам для проверки результатов нашего скрининга и, надеюсь, приблизим нас на шаг к первым ингибиторам!

Спасибо всем, кто поддерживает OpenPandemics - COVID-19!
https://youtu.be/w5wih7IuzhE
https://youtu.be/PF2aodj6MmA
https://youtu.be/KLO87YlBTIQ

[SETI_home_v8]

Увлечение молодого человека к информатике рака живет
29 сен 2020 Резюме

Ян Лоусон Ван Тох, стажер лаборатории Jurisica Lab, трагически скончался в 2007 году во время первого года обучения в аспирантуре. Его память чтится Фондом Яна, который помогает молодым ученым начать карьеру в области информатики рака.

Будучи студентом, изучающим биомедицинские вычисления в Королевском университете в Онтарио, Канада, Ян Лоусон Ван Тох активно искал возможности в своей области обучения, включая стажировку в Jurisica Lab для участия в работе по информатике рака. Ян работал над инструментами, которые разрабатываются, чтобы помочь ученым и медицинскому персоналу лучше прогнозировать, находить и лечить различные типы рака.

По окончании учебы Ян был принят в аспирантуру факультета медицинской биофизики Университета Торонто. Он также продолжал работать в Jurisica Lab в качестве аспиранта, где он был в команде, разрабатывающей NAVIGaTOR, инструмент для визуализации и анализа 2-D и 3-D графиков, который, например, позволяет исследователям одновременно визуализировать миллионы взаимодействий с белками и тем самым начать определять, какие взаимодействия вызывают мутацию здоровых клеток в раковые. Но, к сожалению, жизнь и работа Яна были прерваны, когда он умер от болезни сердца на первом году обучения в аспирантуре.

Чтобы почтить память Яна, его родители и лаборатория Jurisica Lab создали фонд Яна в онкологическом центре принцессы Маргарет в Торонто. Фонд поддерживает стажировки, награды за выдающиеся достижения в области исследований в области информатики рака и серию лекций с участием некоторых ведущих ученых мира в области вычислительной биологии. Более 10 лет IBM помогала поддерживать эту работу, выступая одним из спонсоров награды за выдающиеся научные работы на ежегодной Международной конференции по вычислительной биологии.

http://www.cs.toronto.edu/~juris/ismbawardees.htm
Участники Ian's Ride в 2016 году. (Нажмите на изображение, чтобы увидеть его в увеличенном виде.)

http://www.team-ian.org/about-the-ride/

Ian’s Ride начал свою деятельность в 2009 году, чтобы помочь собрать деньги для Фонда, при этом члены Jurisica Lab участвовали как райдеры, так и вспомогательный персонал. Первые два года гонщики команды участвовали в Enbridge Ride to Conquer Cancer. Впоследствии, чтобы гарантировать, что все собранные деньги будут направлены на цели Фонда Яна, команда начала свою собственную поездку, которая охватила 270 км от Здания компьютерных наук в Королевском университете в Кингстоне, Онтарио (альма-матер Иэна). в Монреаль.

Возраст участников поездки варьировался от 19 до 82 лет, среди них было несколько сотрудников IBM из Канады. В дополнение к самой поездке участники поддержали исследование, предоставив исследователям образцы слюны. Эти образцы были проанализированы в рамках исследования по определению молекулярных механизмов, как физическая активность может влиять на рак, как для профилактики, так и для лечения. В настоящее время исследователи ожидают данных о секвенировании РНК из собранных образцов, чтобы продолжить следующие шаги в исследовании.

Из-за продолжающейся пандемии COVID-19 в этом году поездка Иэна была сокращена до нескольких гонщиков. Но помимо поездки, страсть Яна к информатике рака живет благодаря работе студентов, которым помогает Фонд. Работа этих студентов, в свою очередь, помогла с анализом данных по проекту Mapping Cancer Markers, который в настоящее время выполняется в World Community Grid.

https://www.worldcommunitygrid.org/r...m1/overview.do
Узнайте больше о Ian’s Ride и Ian’s Fund здесь.
http://www.team-ian.org/about-team-ian/

[SETI_home_v8]

Обновление Folding@Home SARS-CoV-2 (10 марта 2020 г.)

Это обновленная информация об усилиях Folding@Home по оказанию помощи исследователям во всем мире в борьбе с COVID-19.

После начального контроля качества и ограниченных этапов тестирования команда Folding@Home выпустила начальную волну проектов, имитирующих белки-мишени с потенциальной лекарственной активностью SARS-CoV-2 (вирус, вызывающий COVID-19) и связанный с ним вирус SARS-CoV (для которого доступно больше структурных данных) в полном объеме на Folding@Home. Большое спасибо большому количеству участников Folding@Home, которые до сих пор помогали нам, работая в режимах бета-версий или в расширенном режиме.

Эта начальная волна проектов направлена на лучшее понимание того, как эти коронавирусы взаимодействуют с человеческим рецептором ACE2, необходимым для проникновения вируса в клетки-хозяева человека, и как исследователи могли бы вмешиваться в них посредством создания новых терапевтических антител или небольших молекул, которые могут нарушать их взаимодействие.

В ближайшие дни мы надеемся воспользоваться некоторыми из новых структурных биологических и биохимических данных, которые быстро публикуются исследователями по всему миру, которые работают над пониманием этих вирусов и стратегий по их победе. Эта работа была в основном распространена на серверах предпечати, таких как bioRxiv и chemRxiv, которые направлены на то, чтобы сделать исследования быстро доступными как для других исследователей, так и общественности для других ученых, чтобы они могли широко оценить и немедленно начать опираться на них. Мы также наладили несколько новых сотрудничества с другими лабораториями, где, как мы надеемся, Folding@Home окажет ценную поддержку в исследованиях COVID-19.

В то время как мы быстро выпустим наборы данных моделирования для использования или анализа другими, мы стремимся искать альтернативные конформации и скрытые карманы внутри наиболее многообещающих лекарственных целей, которые можно увидеть только при моделировании, а не в статических рентгеновских структурах. Мы надеемся, что эти структуры - однажды подтвержденные новыми сложными данными скрининга - могли бы помочь направить кампании виртуального скрининга или нацеливание на новые карманы, для которых еще не были доступны атомистические структуры.

Ниже мы приводим краткие описания проектов. Обратите внимание, что все входные файлы доступны на GitHub здесь, чтобы другие исследователи могли воспользоваться их преимуществами: https://github.com/foldingathome/coronavirus

Этот репозиторий будет развиваться в ближайшие дни по мере добавления новых проектов и документации. Мы начнем публиковать наборы данных со структурами на общедоступных серверах, как только у нас появятся полезные данные для отчета.

Во всех проектах используется новое ускоренное ядро Core22, основанное на движке биомолекулярного моделирования OpenMM с открытым исходным кодом.

Домен RBD SARS-CoV-2 в комплексе с человеческим рецептором ACE2 (PDBID: 6vsb, 6acg) [http://dx.doi.org/10.1126/science.abb2507, http://dx.doi.org/10.1371/journal.ppat.1007236]

Проект 11741: Домен связывания рецептора коронавируса SARS-CoV-2 (вызывающий COVID-19) в комплексе с человеческим рецептором ACE2. атомы: 165550, очки: 15396

Проект 11746: Домен связывания рецептора коронавируса SARS-CoV-2 (вызывающий COVID-19) в комплексе с человеческим рецептором ACE2 (структура, альтернативная 11741). атомы: 182699, очки: 16615
Основная протеаза SARS-CoV-2 в комплексе с ингибитором N3 (PDBID: 6lu7) [Пока не опубликовано]

Проект 11742: Коронавирусная протеаза SARS-CoV-2 (вызывающая COVID-19) протеазы в комплексе с ингибитором. атомы: 62227, очки: 9405

Проект 11743: Коронавирусная протеаза SARS-CoV-2 (вирус, вызывающий COVID-19) - потенциальная лекарственная мишень. атомы: 62180, очки: 9405

Домен RBD SARS-CoV-2 в комплексе с Fab-фрагментом нейтрализующего антитела S230 человека (PDBID: 6nb7, 6nb8, 2ghv) http://dx.doi.org/10.1016/j.cell.2018.12.028 (как для 6nb7, так и 6nb8), http://dx.doi.org/10.1074/jbc.M603275200

Проект 11744: Домен связывания с рецептором коронавируса SARS-CoV (вирус, вызывающий SARS), захваченный антителом SARS-CoV S230. атомы: 109578, очки: 7608

Проект 11745: Домен связывания рецептора SARS-CoV (вызывающий вирус SARS) коронавируса, мутировавший в SARS-CoV-2 (вирус, вызывающий COVID-19), захваченный антителом SARS-CoV S230. атомы: 110370, очки: 7685

Чтобы связаться с нами для обсуждения сотрудничества или данных, пожалуйста, напишите нам по адресу: foldathome@choderalab.org
Особая благодарность аспиранту TBCP Rafal Wiewiora и аспиранту CBM Ivy Zhang за их работу по моделированию этих структур на основе существующих экспериментальных данных и подготовке этих проектов, а также всем участникам Folding@Home, которые помогают сделать эту работу возможной!

~ Команда Chodera lab SARS-CoV-2 и Консорциум Folding @ home ~

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Вы можете внести свой вклад в изучение COVID-19, присоединившись к программе Folding@Home

Вы можете внести свой вклад в изучение COVID-19, присоединившись к программе Folding@Home по ссылке https://foldingathome.org/iamoneinamillion/
Впервые Folding@Home был запущен в 2000 году учеными Стенфордского университета для моделирования процессов свёртывания/развёртывания молекул белка, чтобы лучше понимать причины возникновения болезней, вызываемых дефектными белками, таких как Альцгеймера, Паркинсона, диабет 2 типа, болезнь Крейтцфельдта — Якоба (коровье бешенство), склероз и различных форм онкологических заболеваний.

В чем его принцип?

Устанавливая приложение на свой ПК, вы становитесь участником проекта по распределенным вычислениям. Для выполнения своей работы Folding@home объединяет компьютеры в международную сеть для решения сложных вычислительных задач.
Клиентская программа Folding@Home запускается в фоновом режиме и выполняет вычисления лишь в то время, когда ресурсы процессора не полностью используются другими приложениями. Программа-клиент Folding@home периодически подключается к серверу для получения очередной порции данных для вычислений. После завершения расчётов их результаты отсылаются обратно. Участники проекта могут видеть статистику своего вклада. Каждый участник может запустить программу-клиент на одном или более компьютерах, может вступить в одну из команд (информация с сайта - Wikipedia)
Кстати, принцип проекта схож с Биткойн, но вычислительные мощности он тратит на моделирование свертывания молекул белка и, впоследствии, поиска новых лекарств.
Как это связано с COVID – 19?

Сейчас вычислительные мощности сети Folding@Home используются, в том числе, для поиска вакцины от коронавируса.

К примеру, компания NVIDIA призвала геймеров установить приложение на свои ПК, чтобы использовать мощности их игровых компьютеров для борьбы с COVID-19.

Что вы еще можете сделать?

1. 1. Рассказать почему вы в проекте. Поделиться личным опытом, связанным с заболеваниями, изучаемыми Folding@home.
2. Разместить свою историю на Youtube , Facebook , в Instagram или Twitter с хэштегом #iamoneinamillion

Поделитесь информацией о приложении со своими близкими и у них тоже будет возможность внести свой вклад.
Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Ваш компьютер может помочь в поиске лекарства от рака и СПИДа".

Предстоящие изменения кода помогут улучшить отображение маркеров рака

3 декабря 2020 Резюме

В этом обновлении группа исследователей Mapping Cancer Markers объясняет, как относительно небольшое изменение кода может сильно повлиять на способность проекта анализировать маркеры для различных типов сарком.

Background

Картирование раковых маркеров направлено на идентификацию маркеров (иногда называемых сигнатурами), связанных с различными типами рака. В рамках проекта анализируются миллионы точек данных, собранных из тысяч образцов тканей здоровых и злокачественных пациентов. До сих пор это были ткани с раком легких, раком яичников и саркомой. Но мы расширяем наши возможности работы с наборами данных. Скоро будут внесены изменения в код для улучшения проекта Mapping Cancer Markers. Эти изменения расширят возможности приложения Mapping Cancer Markers работать с наборами данных с несколькими метками и позволят ему искать в них более конкретные сигнатуры.

Рисунок 1A


(вверху): это представляет набор данных саркомы с семью подтипами образцов. При сопоставлении маркеров рака можно использовать набор данных с несколькими метками как есть и искать мультиклассовые (один против всех) сигнатуры. (Программное обеспечение проекта теперь может это сделать.)
Перед набором данных о саркоме проект проанализировал наборы данных о раке легких и яичников, оба из которых имеют двоичные метки. В нашем наборе данных о раке легких образцы помечены как «рак» или «без рака». В нашем наборе данных по яичникам образцы помечены как короткая или длительная выживаемость. Набор данных саркомы состоит из нескольких меток и маркирует образцы с семью различными подтипами саркомы (см. Рисунок 1A выше).

Рисунок 1B


На рисунке 1B (выше) показано, как MCM может уменьшить саркому до двоичного набора данных, разделив подтипы на две группы и ища двоичные сигнатуры. (Программное обеспечение проекта теперь может это сделать.)

Рисунок 1С


На рисунке 1C показан альтернативный вариант сокращения двоичного набора данных. (Программное обеспечение проекта теперь может это сделать.)

Если в наборе данных есть двоичные метки, Mapping Cancer Markers найдет сигнатуры, которые могут предсказать эту двоичную метку. Однако с помощью набора данных с несколькими метками мы можем направить отображение маркеров рака для поиска либо двоичных, либо многоклассовых сигнатур (примеры см. На рисунках 1B и 1C выше).

В настоящее время проект ищет оба в наборе данных по саркоме. Сигнатура мультиклассовой саркомы отличает каждый подтип от любого другого; учитывая любой образец саркомы, он диагностирует конкретный подтип рака. Бинарная сигнатура саркомы отличает одну группу подтипов от остальных, но не отличает конкретные подтипы. Например, среди семи подтипов саркомы есть два подтипа леймиосаркомы (ЛМС), мягкотканная и маточная. Mapping Cancer Markers в настоящее время направлен на поиск двоичных сигнатур, которые отличают LMS от остальных.

Рисунок 1D



На рисунке 1D показано, как новые возможности картирования онкологических маркеров позволят рабочему подразделению сосредоточиться на определенных подтипах. Исключенные образцы выделены серым цветом и перечеркнуты. (Новый код.)

Рисунок 1E


На рис. 1Е показаны новые возможности картирования онкологических маркеров в полном объеме, за исключением отдельных образцов и изменения их меток.

Обозначенные образцы обведены черным контуром. (Новый код.)

Планируя переход проекта к саркоме, мы поняли, что у наших экспертов по саркоме были научные вопросы о саркоме, которые они хотели изучить, и которые требовали большей гибкости в дизайне рабочих единиц, чем это было возможно с существующим приложением. Они хотели изучить различия между двумя или более конкретными подтипами саркомы и исключить другие из анализа (см. Рисунок 1D). (Например, они хотели изучить биомаркеры, которые различают подтипы LMS.)

К сожалению, возможность исключения образцов не была встроена в исходное приложение Mapping Cancer Markers. Работая вместе, команда Mapping Cancer Markers разработала небольшое расширение для приложения, которое добавит необходимые возможности, обеспечит дополнительную гибкость для будущих потребностей и сохранит обратную совместимость, минимизируя при этом общие изменения кода (рисунок 1E). За последние месяцы волонтеры World Community Grid обработали тысячи рабочих единиц для бета-тестирования нового кода. Эти изменения дают нам возможность вносить мелкие корректировки, которые адаптируют набор данных к конкретному вопросу, который будет исследовать каждое рабочее подразделение.

Спасибо всем, кто поддерживает Mapping Cancer Markers.

Хотите принять участие в борьбе против рака с туберкулезом, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Исследовательские эксперименты по ВИЧ в программе Boinc…

Быстрые конформационные колебания неупорядоченного слитого пептида ВИЧ-1 в растворе.
Описание

Конформационно гибкий слитый пептид (FP) ВИЧ-1 незаменим при вирусной инфекции клеток-хозяев из-за его способности встраиваться в фосфолипидные мембраны и прочно связываться с ними. Имеются противоречивые сообщения о мембранно-связанной структуре FP, а информация о структуре раствора ограничена, однако такая структура является мишенью для нового класса антиретровирусных ингибиторов. Совокупность явных симуляций молекулярной динамики растворителя, начатая с неупорядоченной FP ВИЧ-1 (время агрегирования ∼30 мкс), показала, что, хотя подавляющее большинство конформаций преимущественно лишены вторичной структуры, как спонтанное образование, так и быстрое взаимопревращение локальных элементов вторичной структуры возникают, подчеркивая структурную пластичность пептида. Поэтому даже в таком быстром масштабе времени FP представляет собой разнообразный и гибкий конформационный ансамбль в решении. Кластеризация вторичной структуры показывает, что наиболее заметными упорядоченными элементами являются α- и 3-10-спиральные подмножества мембраносвязанных конформаций, в то время как обнаружено, что следовые популяции в пределах 2 Å RMSD всех полных мембраносвязанных конформаций уже существуют в ансамбле решений. . Поскольку связанные с ингибитором конформации FP обнаруживаются редко, ингибиторы FP могут функционировать, модулируя конформационный ансамбль и связываясь с нефузогенными структурами FP. Термодинамическая характеристика наиболее заметных упорядоченных нефузогенных структур может облегчить будущий дизайн улучшенных ингибиторов FP. тогда как обнаружено, что следовые популяции в пределах 2 Å RMSD всех полных мембраносвязанных конформаций уже существуют в ансамбле раствора. Поскольку связанные с ингибитором конформации FP обнаруживаются редко, ингибиторы FP могут функционировать, модулируя конформационный ансамбль и связываясь с нефузогенными структурами FP. Термодинамическая характеристика наиболее заметных упорядоченных нефузогенных структур может облегчить будущий дизайн улучшенных ингибиторов FP. тогда как обнаружено, что следовые популяции в пределах 2 Å RMSD всех полных мембраносвязанных конформаций уже существуют в ансамбле раствора. Поскольку связанные с ингибитором конформации FP обнаруживаются редко, ингибиторы FP могут функционировать, модулируя конформационный ансамбль и связываясь с нефузогенными структурами FP. Термодинамическая характеристика наиболее заметных упорядоченных нефузогенных структур может облегчить будущий дизайн улучшенных ингибиторов FP.

Публикации
• Venken T, Voet A, De Maeyer M, De Fabritiis G, Sadiq SK, Быстрые конформационные флуктуации неупорядоченного слитого пептида ВИЧ-1 в растворе. Журнал химической теории и вычислений, 2013. doi: 10.1021 / ct300856r

Моделирование созревания протеазы ВИЧ
Теги WU: HIVPR
Описание

Один из самых интригующих аспектов всего процесса созревания ВИЧ - это то, как впервые появляется «ножничный» белок, протеаза. Здесь необходимо понять парадокс типа курицы и яйца, потому что каждая зрелая молекула протеазы происходит из незрелой формы и связана длинными полипротеиновыми «веревками», которые она перерезает. Итак, если «ножницы» изначально находятся в «веревке», как первые «ножницы» освобождаются? Чтобы ответить на этот вопрос на атомарном уровне точности, необходимо провести молекулярно-динамическое моделирование с текущим пределом вычислительной мощности. Технология GPUGRID позволяет нам успешно решать эту проблему, и мы смогли показать, что первые «ножницы» могут освободиться от «веревки», на которой они скованы. Увлекательно, он делает это путем связывания одного из своих концов, первоначально соединенного с другим белком в «веревке», со своим собственным активным сайтом, который, в свою очередь, выполняет разрезание. Это событие лежит в основе всего процесса созревания, и если протеазу ВИЧ можно остановить, пока она еще созревает, то вирусная частица в целом не может стать зрелой. Доступ к зарождающимся структурам протеазы ВИЧ представляет собой новую и важную цель для разработки АРВ-препаратов в борьбе с ВИЧ / СПИДом.

Публикации https://youtu.be/TfiiPMXm_Us
• С.К. Садик, Ф. Ноэ и Г. Де Фабритиис, Кинетическая характеристика критического этапа созревания протеазы ВИЧ-1, PNAS, опубликовано в Интернете 26 ноября 2012 г.
________________________________________
Молекулярное моделирование гибкости протеазы ВИЧ
Теги WU: HIVPR
Описание

Вирусные частицы (вирионы) ВИЧ становятся зрелыми и заразными благодаря действию вирусного фермента, известного как протеаза ВИЧ, который действует как пара «ножниц», разрезая длинные полипротеиновые цепи в форму, которая затем формирует структуру нового вирион. Структура, динамика и функция этого очень гибкого белка были тщательно изучены и привели к появлению многих антиретровирусных ингибиторов (АРВ), которые сегодня лечат ВИЧ ограниченным образом. Однако полный процесс, с помощью которого протеаза меняет форму для выполнения своей функции, все еще недостаточно изучен на атомарном уровне, потому что такие изменения происходят в трудноразрешимых в вычислительном отношении временных масштабах. Понимание конформационных изменений, происходящих в протеазе, имеет центральное значение при разработке нового класса АРВ-препаратов на основе структуры, которые могут воздействовать на протеазу в ее альтернативных конформациях. Технология GPUGRID позволяет нам получить доступ к этим альтернативным формам, обеспечивая основу для улучшенного лечения ВИЧ / СПИДа.

Публикации
• С.К. Садик и Г. Де Фабритиис, Явная динамика растворителя и энергетика открытия и закрытия лоскута протеазы ВИЧ-1, Proteins 78, 2873 (2010)

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru

[SETI_home_v8]

Эксперименты по исследованию нервных расстройств в программе Boinc.
Динамические и кинетические элементы функциональной селективности µ-опиоидных рецепторов.

Хотя терапевтический эффект опиоидных анальгетиков в основном объясняется активацией µ-опиоидного рецептора (MOR), ведущей к передаче сигналов G-белка, их побочные эффекты в основном связаны с передачей сигналов β-аррестина. Чтобы пролить свет на динамические и кинетические элементы, лежащие в основе функциональной селективности MOR, мы провели высокопроизводительное молекулярно-динамическое моделирование MOR, связанного с классическим опиоидным препаратом (морфином) или сильным агонистом, зависимым от G-белка (TRV-130), с высокой пропускной способностью около полумиллисекунд. ). Статистический анализ моделей состояния Маркова, построенных с использованием этого большого набора данных моделирования в сочетании с теорией информации, впервые позволил: а) идентифицировать четыре различных метастабильных региона вдоль пути активации, б) кинетические свидетельства различного динамического поведения рецептора, связанного с классический опиоидный агонист или опиоидный агонист, связанный с G-белком c) идентификация кинетически различных конформационных состояний, которые должны использоваться для рационального дизайна функционально селективных лигандов, которые в конечном итоге могут быть разработаны в улучшенные лекарственные средства; d) характеристика множественных путей активации / дезактивации MOR и e) предположение на основании рассчитанных временных масштабов перехода о том, что конформационные изменения MOR не являются лимитирующим этапом в активации рецептора.

Публикации
Капур А., Мартинес-Розелл Г., Проваси Д., де Фабритиис Г., Филизола М., Динамические и кинетические элементы функциональной селективности µ-опиоидных рецепторов. Научные отчеты 2017. doi: 10.1038 / s41598-017-11483-8

Распознавание многотельных кофакторов и субстратов в ферменте мио-инозитолмонофосфатазе.

Молекулярное распознавание редко является проблемой двух тел: белок-лиганд, поскольку оно часто связано с динамическим взаимодействием нескольких молекул, которые вместе контролируют процесс связывания. Мио-инозитолмонофосфатаза (IMPase), лекарственная мишень для биполярного расстройства, зависит от ионов 3 Mg (2+) в качестве кофактора для ее каталитической активности. Хотя кристаллографическая поза докаталитического комплекса хорошо охарактеризована, процесс связывания, посредством которого взаимодействуют субстрат, кофактор и белок, по существу неизвестен. Здесь мы охарактеризовали кооперативное связывание кофактора и субстрата с помощью крупномасштабной молекулярной динамики. Наше исследование показало, что первый и второй ионы Mg (2+) идентифицируют связывающий карман с быстрой кинетикой, тогда как третий ион представляет собой гораздо более высокий энергетический барьер.

Связывание субстрата может происходить в сотрудничестве с кофактором, или только с бинарным или тройным комплексом кофактор-IMPase, хотя последний сценарий происходит на несколько порядков быстрее. Наше атомарное описание трехчастичного механизма предлагает особенно сложный пример реконструкции пути и может оказаться особенно полезным в реалистичных контекстах, где вода, ионы, кофакторы или другие сущности взаимодействуют и модулируют процесс связывания.
Публикации

Ферруз Н., Тресадерн Г., Пинеда-Лусена А., Де Фабритиис Г., Многотельное распознавание кофакторов и субстратов на молекулярном уровне в ферменте мио-инозитолмонофосфатаза. Научные отчеты 2016. doi: 10.1038 / srep30275

http://www.multiscalelab.org/gianni/...t=Publications

Раскрытие роли мембранных липидов в модулировании активности ферментов
Теги WU: FAAH
Описание
Липиды и мембраны, которые они образуют, являются одной из основных функциональных единиц всего живого, от бактерий до человека. Исторически они привлекали меньше внимания исследователей, чем другие биомолекулы, потому что они рассматривались в первую очередь как каркас, на котором белки, ДНК и РНК могли функционировать и разделяться. Однако в последнее время становится ясно, что липиды и их состав в мембранах играют ключевую функциональную роль, облегчая или ослабляя различные процессы, такие как передача сигналов и активность белков. В недавней работе, опубликованной в Biochemical Journal, мы даем механистическое объяснение того, как липиды мембран модифицируют активность фермента амид гидролазы жирных кислот (FAAH), облегчая связывание. Кроме того, мы показываем беспристрастное связывание липида и андамида с ферментом. Справа вы можете увидеть видео, показывающее процесс привязки.эндоканнабиноидной системы , и важен для широкого спектра биологических функций, включая память, иммунный ответ, голод и боль.

Это исследование было проведено в сотрудничестве с доктором Энрико Дайнезе из Университета Терамо, Италия.
Публикации

E. Dainese, G. De Fabritiis, A. Sabatucci, S. Oddi, C. Angelucci, C. Di Pancrazio, T. Giorgino, N. Stanley, B. Cravatt и M. Maccarrone, Мембранные липиды являются ключевыми модуляторами эндоканнабиноид-гидролаза FAAH, Biochem J. 2014 Feb 1; 457 (3): 463-72. PDF можно найти здесь

Молекулярное моделирование дофаминового рецептора D2 в условиях физиологической ионной силы
Теги WU: JAN
Описание

Было показано, что ионы натрия играют важную роль в связывании антипсихотических препаратов с дофаминовым рецептором D2. Понимание механизма, индуцированного натрием, представляет большой интерес для разработки будущих лекарств для лечения шизофрении.
С помощью молекулярной динамики мы моделируем подвижность ионов натрия и ее влияние на динамические свойства рецептора D2 в условиях физиологической ионной силы.

Технология GPUGRID позволяет нам обрабатывать полностью атомную систему, в которой рецептор D2 встроен в двухслойную мембрану, содержащую в общей сложности 61 000 атомов, и увеличивает производительность вычислений до микросекунд.

Исследование проводилось в сотрудничестве с доктором Яной Селент из Университета Помпеу Фабра.
Публикации

Дж. Селент, Ф. Санс, М. Пастор и Г. Де Фабритиис, Индуцированные эффекты ионов натрия на дофаминергические рецепторы, связанные с G-белком, PLOS Computational Biology, 6, e1000884 (2010)

Хотите принять участие в распределенных вычислениях, тогда, Вам сюда:
https://boinc.berkeley.edu/wiki/Simple_view
https://boinc.berkeley.edu/download_all.php
https://boinc.ru