Гибридные вычислительные кластеры для изучения структуры, функции и регуляции белков

Гибридные вычислительные кластеры для изучения структуры, функции и регуляции белков

Автор: Суплатов Дмитрий Андреевич, Попова Нина Николаевна, Копылов Кирилл Евгеньевич, Шегай Максим Викторович, Воеводин Владимир Валентинович, Швядас Витас Каятоно

Журнал: Вестник Южно-Уральского государственного университета. Серия: Вычислительная математика и информатика @vestnik-susu-cmi

Рубрика: Информатика, вычислительная техника и управление

Статья в выпуске: 4 т.6, 2017 года.

Бесплатный доступ

Изучение структуры, функции и регуляции белков с использованием биоинформатики и молекулярного моделирования является комплексной задачей, требующей сочетания различных методов и способов их исполнения. На практике, речь идет о конвейере из последовательных этапов, исполняемых различными программами, предъявляющими свои требования к вычислительным ресурсам. Гибридные вычислительные кластеры - системы, обладающие существенной мощностью и разнообразием аппаратных возможностей - необходимы для того, чтобы оптимально исполнить каждую отдельную стадию единого комплексного решения. При этом GPU-ускорители открывают новые возможности для поиска эффективных решений ресурсоемких задач биоинформатики и молекулярного моделирования.

Еще

Гибридные вычислительные кластеры, биоинформатика, молекулярное моделирование, последовательные этапы, кодизайн, gpu-ускорители

Короткий адрес: https://sciup.org/147160634

IDR: 147160634   |   DOI: 10.14529/cmse170406

Список литературы Гибридные вычислительные кластеры для изучения структуры, функции и регуляции белков

  • Суплатов Д.А., Швядас В.К. Изучение функциональных и аллостерических сайтов в суперсемействах белков//Acta Naturae. 2015. Т. 7, № 4. С. 39-52.
  • Zuckerkandl E., Pauling L. Evolutionary Divergence and Convergence in Proteins//Evolving Genes and Proteins. 1965. Vol. 97. P. 97-166.
  • Fourment M., Gillings M.R. A Comparison of Common Programming Languages Used in Bioinformatics//BMC bioinformatics. 2008. Vol. 9, No. 1. P. 82. 2105-9-82 DOI: 10.1186/1471-
  • Kourist R., Jochens H., Bartsch S., Kuipers R., Padhi S.K., Gall M., Dominique B., Henk-Jan J., Bornscheuer U.T. The α/β-hydrolase Fold 3DM Database (ABHDB) as a Tool for Protein Engineering//ChemBioChem. 2010. Vol. 11, No. 12. P. 1635-1643 DOI: 10.1002/cbic.201000213
  • Программное обеспечение BioProdict. URL: https://www.bio-prodict.nl/(дата обращения: 28.09.2017).
  • Vouzis P.D., Sahinidis N.V. GPU-BLAST: Using Graphics Processors to Accelerate Protein Sequence Alignment//Bioinformatics. 2011. Vol. 27, No. 2. P. 182-188 DOI: 10.1093/bioinformatics/btq644
  • Altschul S.F., Madden T.L., Schäffer A.A., Zhang J., Zhang Z., Miller W., Lipman D.J. Gapped BLAST and PSI-BLAST: a New Generation of Protein Database Search Programs//Nucleic Acids Research. 1997. Vol. 25, No. 17. P. 3389-3402 DOI: 10.1093/nar/25.17.3389
  • Suplatov D., Shalaeva D., Kirilin E., Arzhanik V., Švedas V. Bioinformatic Analysis of Protein Families for Identification of Variable Amino Acid Residues Responsible for Functional Diversity//Journal of Biomolecular Structure and Dynamics. 2014. Vol. 32, No. 1. P. 75-87 DOI: 10.1080/07391102.2012.750249
  • Suplatov D., Kirilin E., Takhaveev V., Švedas V. Zebra: Web-server for Bioinformatic Analysis of Diverse Protein Families//Journal of Biomolecular Structure and Dynamics. 2014. Vol. 32, No. 11. P. 1752-1758 DOI: 10.1080/07391102.2013.834514
  • Suplatov D., Kirilin E., Arbatsky M., Takhaveev V., Švedas V. PocketZebra: a Web-server for Automated Selection and Classification of Subfamily-specific Binding Sites by Bioinformatic Analysis of Diverse Protein Families//Nucleic Acids Research. 2014. Vol. 42, No. W1. P. W344-W349 DOI: 10.1093/nar/gku448
  • Suplatov D., Kirilin E., Švedas V. Bioinformatic Analysis of Protein Families to Select Function-related Variable Positions "Understanding Enzymes: Function, Design, Engineering and Analysis" (Allan Svendsen) Pan Stanford Publishing 2016. P. 351-385.
  • Suplatov D., Popova N., Zhumatiy S., Voevodin V., Švedas V. Parallel Workflow Manager for Non-parallel Bioinformatic Applications to Solve Large-scale Biological Problems on a Supercomputer//Journal of Bioinformatics and Computational Biology. 2016. Vol. 14, No. 2. P. 1641008 DOI: 10.1142/S0219720016410080
  • Le Grand S., Götz A.W., Walker R.C. SPFP: Speed Without Compromise -A Mixed Precision Model for GPU Accelerated Molecular Dynamics Simulations//Computer Physics Communications. 2013. Vol. 184, No. 2. P. 374-380 DOI: 10.1016/j.cpc.2012.09.022
  • Salomon-Ferrer R., Goetz A.W., Poole D., Le Grand S., Walker R.C. Routine Microsecond Molecular Dynamics Simulations with AMBER on GPUs. 2. Explicit Solvent Particle Mesh Ewald//Journal of Chemical Theory and Computation. 2013. Vol. 9, No. 9. P. 3878-3888 DOI: 10.1021/ct400314y
  • Goetz A.W., Williamson M.J., Xu D., Poole D., Le Grand S., Walker R.C. Routine Microsecond Molecular Dynamics Simulations with AMBER on GPUs. 1. Generalized Born//Journal of Chemical Theory and Computation. 2012. Vol. 8, No. 5. P. 1542-1555 DOI: 10.1021/ct200909j
  • Bezsudnova E.Y., Stekhanova T.N., Suplatov D.A., Mardanov A.V., Ravin N.V., Popov V.O. Experimental and Computational Studies on the Unusual Substrate Specificity of Branched-chain Amino Acid Aminotransferase from Thermoproteus uzoniensis//Archives of Biochemistry and Biophysics. 2016. Vol. 607. P. 27-36 DOI: 10.1016/j.abb.2016.08.009
  • Suplatov D.A., Voevodin V.V., Svedas V.K. Robust Enzyme Design: Bioinformatic Tools for Improved Protein Stability//Biotechnology Journal. 2015. Vol. 10, No. 3. P. 344-355 DOI: 10.1002/biot.201400150
  • Shcherbakova T., Panin N., Suplatov D., Shapovalova I, Švedas V. The βD484N Mutant of Penicillin Acylase from Escherichia coli is More Resistant to Inactivation by Substrates and Can Effectively Perform Peptide Synthesis in Aqueous Medium//Journal of Molecular Catalysis B: Enzymatic. 2015. Vol. 112. P. 66-68 DOI: 10.1016/j.molcatb.2014.11.015
  • Suplatov D., Panin N., Kirilin E., Shcherbakova T., Kudryavtsev P., Švedas V. Computational Design of a pH Stable Enzyme: Understanding Molecular Mechanism of Penicillin Acylase's Adaptation to Alkaline Conditions//PLoS ONE. 2014. Vol. 9, No. 6. P. e100643 DOI: 10.1371/journal.pone.0100643
  • Suplatov D., Besenmatter W., Švedas V., Svendsen A. Bioinformatic Analysis of Alpha/Beta-Hydrolase Fold Enzymes Reveals Subfamily-Specific Positions Responsible for Discrimination of Amidase and Lipase Activities//Protein Engineering, Design and Selection. 2012. Vol. 25, No. 11. P. 689-697 DOI: 10.1093/protein/gzs068
  • Воеводин Вл.В., Жуматий С.А., Соболев С.И., Антонов А.С., Брызгалов П.А., Никитенко Д.А., Стефанов К.С., Воеводин Вад.В. Практика суперкомпьютера «Ломоносов»//Открытые системы. 2012. Т. 7. С. 36-39.
  • Nobile M.S., Cazzaniga P., Tangherloni A., Besozzi D. Graphics Processing Units in Bioinformatics, Computational Biology and Systems Biology//Briefings in Bioinformatics. 2016. P. 870-885 DOI: 10.1093/bib/bbw058
Еще
Статья научная
SciUp 2024 © 2024 ©