xshell 登录计算节点_用FLARE FEP计算相对结合自由能

摘要

已经有大量的算例表明，Flare FEP可以可靠地预测化合物的结合亲和力。本文演示了如何借助Cloudam云E算力平台加速FLARE FEP相对结合自由能计算，包括：1）Cloudam账号注册；2）Cloudam的使用；3）云端软件安装；4）在云端启用Broker；5）客户端计算资源的配置；6）FEP项目的创建；7）FEP生成图；8）FEP计算。借助云计算资源，Flare FEP可以在2-4小时内完成一个项目的计算。

Flare FEP: GPU加速的自由能微扰

FEP简介

自由能微扰（Free Energy Perturbation,FEP）计算可用来预测同系物的相对结合亲和力变化。在FEP计算中，分子通过非物理（“炼金术”）途径逐渐转变为结构上密切相关的类似物。通过对这些互相转化的终态之间的自由能差（ΔΔG）的计算评估，可以获得与实验值相比约1kcal/mol的预测精度。

Flare内置了FEP计算工作流，支持GPU加速计算。它将AMBER Tools，OpenMM，LOMAP，Sire和BioSimSpace等开源工具与Cresset专业、直观特性相结合，为完全自动化的FEP工作流程提供了用户友好的界面（图1）。

Figure 1. Flare全自动的FEP工作流

Flare中的FEP工作流已用多种数据集完成验证[1]，包括FEP+数据集作为参考基准，部分结果如表1所示。结果表明，FLARE/FEP预测性能与Schrodinger/FEP+(Wang et al.[2])相当，而大大地优于AMBER的GPU-TI(Song et al.[2])。通过Flare图形用户界面和Flare Python API，可以完全控制模拟参数，使您能够探索和设定给定配体集合及其靶蛋白的理想条件。

Table 1. FEP基准数据测试结果

GPU加速的原理

Figure 2. FEP默认采用全连接、双向网络进行计算

如图2所示，Flare默认采用全连接、双向网络进行FEP计算，每个连接（link）有9个λ窗口（默认值，可以调整），正常模式下每个连接计算两次（A->B与B->A, 即双向计算），所以每对连接在一起的分子有18个λ窗口需要计算。每个λ窗口计算都是互相独立的，因此可以同时一起进行计算。图2的网络共有8对接接，因此有8x2x9=144个λ窗口需要计算。因此，如果你有144个GPU可供使用，那么图2的网络可以在1-4个小时内完成计算，具体所需机时取决于所采用的GPU卡计算速度。

Cloudam云E算力平台: 为FEP计算提供近乎无穷的算力

Cloudam的云E算力平台整合了全球主流公有云近50个地域的高性能计算资源，开箱即用，无需硬件投入、无需运营维护、无需任务排队，支持一键式提交作业，具备自主学习与深度学习能力，能够根据用户的实例类型与计算要求智能推荐匹配合适的计算机型，将计算的虚拟损耗降至最低&#