NVIDIA Tesla K80 GPU 如何助力分析打结蛋白质的折叠过程？

在通过马尔可夫模型研究打结蛋白的变化通路的过程当中，需要对初始通路附近，以及可行域空间中的可能初始构象进行大量的采样，只有足够多的分子构象才能给分析过程带来可靠的信息，传统的基于 CPU 的分子动力学模拟是非常耗时的，并行效率低，得到的构象不足以通过马尔可夫模型进行分析，我们利用 NVIDIA 的 TESLA K80 GPU 加速了这一采样过程，并实现了分布式的加速。

以全原子 Go 模型为主要研究方法，通过对三叶结蛋白质的分子动力学模拟，得到大量三叶结蛋白质结的展开轨迹，并基于统计分析的方法进行分析和研究。提取三叶结蛋白质展开轨迹中出现概率最大的一条进行分析。通过对三叶结蛋白质Contact Map 的处理，利用基于 Gromos 方法的聚类分析得到

在展开过程中，最有可能出现的构象。

基于 NVIDIA Kepler 架构的 K80 拥有两个 GK210 GPU，这给分子动力学模拟提供了强大且稳定的计算能力。此过程是通过开源软件 GROMACS 实现。基于 K80 的分子动力学模拟，相比于基于 CPU 的计算，有平均大于 3 倍的提升。这使在较短时间内可以得到足够多的打结蛋白质分子构象信息以及其变化过程中的可能的构象，这为用于下一步的聚类过程提供了坚实的基础。