#学习CUDA可以预防新型冠状病毒＃

这本来是Lady我的一句玩笑，但是真有懂我的——

是的，我们已步入药物研发的新时代，AI 和高性能计算 (HPC) 模拟技术现可在更短时间内生成更加安全有效的候选药物，同时降低研发成本。化学家可借助 AI 流程开发更优质的小分子候选药物和更有效的合成途径。在计算机虚拟筛选中，医疗人员可借助经 GPU 加速的 HPC 模拟技术，在临床前研究中找到最佳匹配。此外，分子生物学家还可在由低温电子显微镜 (cryo EM) 生成的高分辨率分子结构图像中发现新的疾病靶标。

那么让我们撸一撸部分在生物医药领域里CUDA扮演了重要角色的软件吧！

VMD

VMD主要用于蛋白质、核酸、脂质膜、碳水化合物结构等生物分子系统的建模、可视化和分析。VMD为分子结构的可视化和着色提供了各种各样的图形表示:分子表面、填充空间的CPK球体和圆柱体、甘草键、主干管和带状结构、二级结构动画等。VMD可以用来模拟和分析分子动力学(MD)的轨迹。特别是，VMD可以作为外部MD程序的图形化前端，在本地或远程计算机上显示和动画模拟分子。

虽然VMD通常在桌面图形环境中交互使用，但它也可以用于执行非交互(批处理模式)分析计算和可视化任务，这些任务在两个工作站(或单个集群节点)上运行，并在使用MPI的分布式内存集群和超级计算机上并行运行。

AMBER

AMBER 是专门针对生物分子系统模拟而开发的分子动力学应用程序。AMBER 支持 GPU 加速，可运行显式溶剂 PME 和隐式溶剂 GB 模拟。

最新版本的 AMBER 16 在 NVIDIA GPU 上的运行速度比仅使用 CPU 的系统快 15 倍*，从而使用户运行生物分子模拟的时间从几天缩短到几小时。

GROMACS

GROMACS 是一款分子动力学应用程序，旨在模拟包含数百到数百万个粒子的系统的牛顿运动方程。GROMACS 设计用于模拟具有大量复杂键合相互作用的生物化学分子，例如蛋白、脂类和核酸。

与仅使用 CPU 的系统相比，GROMACS 在使用 NVIDIA GPU 加速的系统上的运行速度最高可提升 3 倍，从而使用户运行分子动力学模拟的时间从几天缩短到几小时。

HOOMD-blue

HOOMD-blue是一个通用的粒子模拟工具包，支持多种分子动力学、耗散粒子动力学、活性物质和硬粒子蒙特卡罗模拟方法。优化后可在gpu和cpu上执行。作为一个Python包，HOOMD-blue为您提供了创建自定义初始化例程、控制仿真参数和执行现场分析的灵活性。

NAMD

NAMD(NAnoscale Molecular Dynamics) 是一款产品级分子动力学应用程序，专为实现大型生物分子系统的高性能模拟而设计。NAMD 由伊利诺伊大学香槟分校 (UIUC) 开发，其使用的二进制文件和源代码为免费分发。

与仅使用 CPU 的系统*相比，最新版本 NAMD 2.11 在 NVIDIA GPU 上的运行速度通常可提升 7 倍，从而使用户运行分子动力学模拟的时间从几天缩短到几小时。它比 NAMD 2.10 的速度最高提升 2 倍，这不仅可帮助用户节省硬件成本，而且可显著加速科学发现。

RELION

RELION(正则化似然优化)采用经验贝叶斯方法分析电子显微术(Cryo-EM)。具体来说，它提供了细化的方法，单一或多个三维重建以及二维类平均。RELION是研究活细胞的重要工具。RELION由多个步骤组成，覆盖整个单粒子分析工作流程。

步骤包括波束诱导运动校正、CTF估计、自动粒子拾取、粒子提取、2D类平均、3D分类、3D高分辨率细化。RELION可以处理直接电子探测器生成的影片，应用最终的地图锐化和执行局部分辨率估计

BarraCUDA

从2009年开始，BarraCUDA项目的目标是开发一个序列映射软件，该软件利用GPU的大规模并行性来加速短序列读取到参考基因组特定位置的不精确对齐。BarraCUDA可以使用NVIDIA Tesla K80对一个包含1400万对76bp读到人类基因组的配对库进行比对，从fastq文件到SAM比对只需9分钟。同时使用多个gpu(最多8个)可以进一步提高对齐吞吐量。

GPU- blast

基本局部比对搜索工具(BLAST)是应用最广泛的生物信息学工具之一。BLAST的广泛影响反映在这个软件在过去20年里收到的超过53000条引用，以及“BLAST”这个词作为动词指代生物序列比较。在生物信息学的实践中，任何对BLAST执行速度的改进都将是非常重要的，并且有助于处理不断增长的生物分子数据库。

GPU- blast是流行的NCBI-BLAST的加速版本，它使用通用图形处理单元(GPU)。与连续的NCBI-BLAST相比，GPU-BLAST的速度几乎快了四倍，但产生的结果是相同的。

DEEPFLOW

该工具将通过重构Jurkat细胞的细胞周期和糖尿病视网膜病变的疾病进展来证明这一点。

在对Jurkat细胞的进一步分析中，工具将以一种无监督的方式检测和分离死亡细胞亚群，在对离散细胞周期阶段进行分类时，工具的错误率将比最近基于增强图像特征的方法降低6倍。与以前的方法相比，使用MXNet、cv2、numpy、python3的基于深度学习的预测在成像流式细胞仪*中的实时分析足够快。

看看生物医药工作者们的案例：GPU如何成为病毒研究的中坚力量

点击阅读原文，可以进入新型冠状病毒感染AI自诊工具 （由大数医达提供）