一种基于GPU加速AutoDock Vina的方法

    公开(公告)号:CN114373509A

    公开(公告)日:2022-04-19

    申请号:CN202111569787.X

    申请日:2021-12-21

    Abstract: 本发明公开了一种基于GPU加速AutoDock Vina的方法及实现,该方法通过增加初始随机配体构象的数目来扩展蒙特卡罗的迭代局部搜索方法中对接线程的并行规模,减少蒙特卡罗的迭代局部搜索方法中的搜索步数,利用OpenCL实现AutoDock Vina中CPU和GPU异构并行结构以此达到更高水平的并行和加速能力。现代药物筛选需要面对海量的化合物数据,目前的分子对接技术无法满足现实需求。采用本发明的方法,可以在保证不损失对接精度的同时大幅加快分子对接和虚拟筛选的速度,满足大型化合物数据库分子对接的实际需求。

    一种基于GPU加速AutoDock Vina的方法

    公开(公告)号:CN114373509B

    公开(公告)日:2024-10-29

    申请号:CN202111569787.X

    申请日:2021-12-21

    Abstract: 本发明公开了一种基于GPU加速AutoDock Vina的方法及实现,该方法通过增加初始随机配体构象的数目来扩展蒙特卡罗的迭代局部搜索方法中对接线程的并行规模,减少蒙特卡罗的迭代局部搜索方法中的搜索步数,利用OpenCL实现AutoDock Vina中CPU和GPU异构并行结构以此达到更高水平的并行和加速能力。现代药物筛选需要面对海量的化合物数据,目前的分子对接技术无法满足现实需求。采用本发明的方法,可以在保证不损失对接精度的同时大幅加快分子对接和虚拟筛选的速度,满足大型化合物数据库分子对接的实际需求。

    一种基于GPU的快速分子对接方法
    3.
    发明公开

    公开(公告)号:CN117198431A

    公开(公告)日:2023-12-08

    申请号:CN202311107665.8

    申请日:2023-08-30

    Abstract: 本发明提供了一种基于GPU的快速分子对接方法,目的是进一步提升QuickVina2‑GPU方法的对接精度和速度。在提升对接精度上,利用Gypsum‑DL方法对输入的小分子结构进行优化;利用交叉对接方法选择最佳的受体结构;利用Coach‑D方法优化受体的对接口袋。在提升对接速度上,利用全局网格缓存实现QuickVina2‑GPU的分子间能量计算加速。本发明在小分子库的准备上,弥补了Openbabel对小分子电荷处理的不足,选择出对接精度较好、能有效还原真实构象的受体,减少CPU和GPU之间的数据传输次数,大大提高了分子对接的速度,降低通信开销,本发明可以进一步满足大规模药物虚拟筛选下对对接速度和精度的无限追求。

    基于GPU加速的分子对接方法和装置

    公开(公告)号:CN114783545B

    公开(公告)日:2024-03-15

    申请号:CN202210449861.2

    申请日:2022-04-26

    Abstract: 本发明公开了一种基于GPU加速的分子对接方法及装置,包括:CPU端进行数据准备以及设置OpenCL环境,其中数据准备包括对接盒子及对接盒子的参数准备,随后将数据传输到GPU端;GPU端计算对接盒子中格点处原子和受体的原子的相互作用力并生成网格缓存表;CPU端生成配体的多个随机分子构象并传到GPU端,GPU端利用蒙特卡罗的迭代局部搜索算法优化随机分子构象并打分,得到构象并传输至回CPU端;CPU端将构象进行优化和排序;依次对配体库中所有配体进行上述优化步骤;使用打分函数ΔvinaRF20对CPU端中的分子构象进行打分并排序。本发明通过ΔvinaRF20对构象重新打分并排序,提高了输出构象的准确性;提出了一种基于OpenCL的AutoDock Vina异构并行加速结构,降低了对接时间和药物研发成本。

    基于GPU加速的分子对接方法和装置

    公开(公告)号:CN114783545A

    公开(公告)日:2022-07-22

    申请号:CN202210449861.2

    申请日:2022-04-26

    Abstract: 本发明公开了一种基于GPU加速的分子对接方法及装置,包括:CPU端进行数据准备以及设置OpenCL环境,其中数据准备包括对接盒子及对接盒子的参数准备,随后将数据传输到GPU端;GPU端计算对接盒子中格点处原子和受体的原子的相互作用力并生成网格缓存表;CPU端生成配体的多个随机分子构象并传到GPU端,GPU端利用蒙特卡罗的迭代局部搜索算法优化随机分子构象并打分,得到构象并传输至回CPU端;CPU端将构象进行优化和排序;依次对配体库中所有配体进行上述优化步骤;使用打分函数ΔvinaRF20对CPU端中的分子构象进行打分并排序。本发明通过ΔvinaRF20对构象重新打分并排序,提高了输出构象的准确性;提出了一种基于OpenCL的AutoDock Vina异构并行加速结构,降低了对接时间和药物研发成本。

Patent Agency Ranking