Modelo multiescala SARS-CoV-2 que presenta 305 millones de \u00e1tomos (izquierda), lo que lo convierte en uno de los sistemas biol\u00f3gicos m\u00e1s grandes jam\u00e1s simulados con tanta precisi\u00f3n. Cr\u00e9dito: The International Journal of High Performance Computing Applications (2021). DOI: 10.1177\/10943420211006452 <\/p>\n
Cuando comenz\u00f3 el esfuerzo por combatir el virus SARS-CoV-2, entre las preguntas m\u00e1s apremiantes estaba c\u00f3mo medir su infectividad y obtener una mejor imagen de esas din\u00e1micas de adentro hacia afuera. Responderlas inicialmente reunir\u00eda a casi 30 investigadores, que representan a una docena de instituciones y casi tantas disciplinas, incluidos cient\u00edficos de Computational Science Initiative (CSI) en el Laboratorio Nacional Brookhaven del Departamento de Energ\u00eda de EE. UU. (DOE). <\/p>\n
Matteo Turilli y Shantenu Jha, del departamento de Computaci\u00f3n y Descubrimiento basado en datos (C3D) de CSI, proporcionar\u00edan nuevas mejoras computacionales que incorporaron m\u00e9todos basados en inteligencia artificial (IA) como parte de un flujo de trabajo integrado que se usa para generar vistas simuladas del SARS. CoV-2 que de otro modo nunca podr\u00eda lograrse \u00fanicamente mediante experimentos. Su trabajo con el colectivo multidisciplinario ha generado premios, elogios y, lo que es m\u00e1s importante, progreso tanto en la mitigaci\u00f3n del da\u00f1o causado por una part\u00edcula de aproximadamente 0,1 micras como en el cambio de la forma en que los cient\u00edficos abordan el descubrimiento.<\/p>\n
A\u00f1o 1: en una misi\u00f3n<\/p>\n
Si bien es peque\u00f1o en estatura, el SARS-CoV-2 definitivamente ha tenido un gran impacto. Esto se extendi\u00f3 a su simulaci\u00f3n. En 2020, el grupo, que inclu\u00eda a Turilli y Jha, buscaba generar simulaciones que permitieran una comprensi\u00f3n m\u00e1s compleja de la estructura y la din\u00e1mica del virus para ver c\u00f3mo se mueve, responde e infecta a un hu\u00e9sped. El trabajo se centr\u00f3 en modelar la prote\u00edna espiga, su principal mecanismo de infecci\u00f3n, utilizando simulaciones de din\u00e1mica molecular (MD) de todos los \u00e1tomos que pueden mostrar sistemas biol\u00f3gicos a nivel at\u00f3mico y conjuntos de datos experimentales disponibles (pero diversos).<\/p>\n
Debido a que el equipo, una combinaci\u00f3n de cient\u00edficos inform\u00e1ticos, bi\u00f3logos, f\u00edsicos, qu\u00edmicos y matem\u00e1ticos, estaba trabajando con diferentes modelos y grandes conjuntos de datos sin conectividad natural, incluso un poderoso sistema de computaci\u00f3n de alto rendimiento (HPC, por sus siglas en ingl\u00e9s) eventualmente llegar\u00eda al tope y comenzar\u00eda a experimentar varios grados de el procesamiento se retras\u00f3 mucho antes de que se lograra una resoluci\u00f3n \u00fatil.<\/p>\n
\u00abNuestra pregunta era comprender y explicar c\u00f3mo construir estos modelos multiescala que carec\u00edan de prescripciones para el acoplamiento\u00bb, explic\u00f3 Jha, quien dirige C3D en Brookhaven Lab CSI y es profesor de ingenier\u00eda inform\u00e1tica en la Universidad de Rutgers. \u00abCada m\u00e9todo se complement\u00f3 con aprendizaje autom\u00e1tico avanzado y ayudamos a construir los sistemas de software para ejecutarlos a escala\u00bb.<\/p>\n
Otro problema de las simulaciones multiescala es que tienden a especificarse, por ejemplo, solo para Modelos MD, cu\u00e1nticos o de grano grueso. Una versi\u00f3n puede no comprender la f\u00edsica o proporcionar precisi\u00f3n en escalas de tiempo espec\u00edficas. As\u00ed, Turilli y Jha tuvieron que crear el \u00abpegamento computacional\u00bb para replicar y simular un entorno \u00abreal\u00bb de SARS-CoV-2.<\/p>\n
\u00abEl verdadero desaf\u00edo lo plantearon las diferentes tareas desde el punto de vista computacional de vista\u00bb, dijo Turilli, cient\u00edfico del grupo C3D de CSI. \u00abPara algunas tareas, el problema era la escala. Para otras, era la heterogeneidad de usar diferentes m\u00e1quinas. Simplemente coordinar todas estas cosas plante\u00f3 un gran desaf\u00edo, uno que va m\u00e1s all\u00e1 de la investigaci\u00f3n de COVID-19. Avanzar en estas canalizaciones, estos ecosistemas de flujo de trabajo, es un tipo de aplicaci\u00f3n con m\u00faltiples impactos en m\u00faltiples dominios\u00bb.<\/p>\n
Con ese fin, se centraron en mejorar el software que integrar\u00eda, trasladar\u00eda y escalar\u00eda los modelos y datos dispares para proporcionar el flujo de trabajo sofisticado necesario para simular la din\u00e1mica de la prote\u00edna de punta del SARS-CoV-2 de una manera \u00fatil y oportuna. Su esfuerzo implic\u00f3 aumentar el software desarrollado en Brookhaven Lab, incluido DeepDriveMD, un marco que coordina la ejecuci\u00f3n paralela de simulaciones de conjuntos y las impulsa con modelos de IA. Seg\u00fan Jha, DeepDriveMD se basa en simulaciones de HPC tradicionales mejoradas con aprendizaje autom\u00e1tico. Para este esfuerzo, DeepDriveMD particip\u00f3 en simulaciones de plegamiento de prote\u00ednas, lo que proporcion\u00f3 una eficiencia de muestreo de un orden de magnitud. M\u00e1s directamente, aceler\u00f3 las cosas.<\/p>\n
El complicado esfuerzo vali\u00f3 la pena, ya que el equipo pudo completar una simulaci\u00f3n del SARS-CoV-2 que conten\u00eda 305 millones de \u00e1tomos, uno de los sistemas biol\u00f3gicos m\u00e1s grandes jam\u00e1s simulados. . Sus simulaciones proporcionaron vistas precisas nunca antes disponibles del escudo de glicano completo de la prote\u00edna de pico, revelando c\u00f3mo los glicanos (pol\u00edmeros a base de carbohidratos que desempe\u00f1an funciones biol\u00f3gicas clave) regulan su infectividad. Las simulaciones tambi\u00e9n mostraron interacciones entre el pico y el receptor ACE2, la enzima que proporciona la puerta de entrada para el SARS-CoV-2 en el cuerpo humano.<\/p>\n
Si bien los conocimientos de esta simulaci\u00f3n sustancial del SARS-CoV-2 podr\u00edan ayudar a agregar eficiencia para el descubrimiento de f\u00e1rmacos y la investigaci\u00f3n terap\u00e9utica, el flujo de trabajo impulsado por IA en s\u00ed mismo fue un paso adelante en informar c\u00f3mo acoplar c\u00e1lculos a gran escala obtenidos utilizando computaci\u00f3n cl\u00e1sica y menos costosa en una instituci\u00f3n con otros completados a trav\u00e9s de m\u00e9todos cu\u00e1nticos m\u00e1s exigentes computacionalmente en otra. Tambi\u00e9n plante\u00f3 desaf\u00edos novedosos para los sistemas inform\u00e1ticos m\u00e1s potentes del pa\u00eds. Incluso utilizando m\u00e9todos de IA para integrar los modelos y los datos y luego impulsar el conocimiento adquirido de una escala a otra, el equipo no podr\u00eda haber realizado tales simulaciones sin las capacidades inform\u00e1ticas proporcionadas por Summit, un sistema construido por IBM en el Laboratorio Nacional Oak Ridge del DOE (ORNL ) y actualmente la segunda supercomputadora m\u00e1s poderosa del mundo.<\/p>\n
\u00abSi bien la mayor parte del trabajo estaba en Summit, hab\u00eda una variedad de m\u00e1quinas, desde grupos universitarios hasta la NSF [National Science Foundation]’s Frontera en TACC [Texas Advanced Computing Center], que se utilizaron en el camino para los distintos modelos\u00bb. a\u00f1adi\u00f3 Jha. \u00abSolo las grandes m\u00e1quinas del DOE podr\u00edan admitir el grado completo de acoplamiento del aprendizaje autom\u00e1tico y las simulaciones de HPC\u00bb.<\/p>\n
Notablemente, el equipo recopil\u00f3 los detalles de su trabajo en Summit, incluida la forma en que el c\u00f3digo MD optimizado y escalado exhibi\u00f3 una s\u00f3lida escalando en todas las GPU del sistema (27\u00a0648 NVIDIA Volta V100), lo que se convirti\u00f3 en una raz\u00f3n integral por la que recibieron el primer premio especial Gordon Bell COVID-19 en SC20.<\/p>\n
Esta imagen del delta SARS-CoV-2 La prote\u00edna espiga es un resultado directo del enfoque de investigaci\u00f3n multiescala y de m\u00faltiples sustitutos utilizado para modelar la din\u00e1mica del virus. Requiri\u00f3 acoplar computaci\u00f3n cl\u00e1sica y cu\u00e1ntica mejorada y conectada por inteligencia artificial, que fue posible gracias a las mejoras computacionales realizadas en Brookhaven Lab. Cr\u00e9dito: #COVIDisAirborne. <\/p>\n
A\u00f1o 2: una nueva variante<\/p>\n
Para 2021, la colaboraci\u00f3n galardonada se comprometi\u00f3 en un nuevo frente, buscando una mirada a\u00fan m\u00e1s cercana a la estructura transmisiva aumentada de todo el delta SARS-CoV-2 variante, es decir, que ofrece vistas a nivel at\u00f3mico de su construcci\u00f3n y din\u00e1mica una vez que el virus est\u00e1 dentro de las part\u00edculas de aerosol respiratorio.<\/p>\n
\u00ab\u00bfRecuerdas en los primeros d\u00edas de la pandemia, estabas trayendo comestibles y desinfect\u00e1ndolos?\u00bb dijo Jha. \u00abNo sab\u00edamos lo suficiente sobre su [vida] superficial. Ahora s\u00ed lo sabemos. Tambi\u00e9n sabemos que el COVID se transmite por el aire y le permite volverse m\u00e1s potente. Por lo tanto, duplicamos las mascarillas y el distanciamiento social\u00bb.<\/p>\n
Al igual que con sus simulaciones anteriores, el equipo buscaba responder las preguntas de los primeros principios y validar los datos experimentales. Sus simulaciones de aerosol utilizar\u00edan enfoques basados en la f\u00edsica para investigar \u00e1reas que no se podr\u00edan lograr mediante experimentos y aumentar\u00edan la comprensi\u00f3n de la transmisi\u00f3n viral en el aire.<\/p>\n
A diferencia de sus esfuerzos iniciales en 2020, se demostr\u00f3 que las partes computacionales funcionan juntas correctamente m\u00e1s complicado. Una vez m\u00e1s, emplearon IA acoplada a HPC en varios niveles, incluido el software WESTPA (kit de herramientas de simulaci\u00f3n de conjunto ponderado con paralelizaci\u00f3n y an\u00e1lisis) acoplado a DeepDriveMD, que se ejecut\u00f3 en Summit y proporcion\u00f3 una mejora de 100 veces en la exploraci\u00f3n del espacio de fase. Adem\u00e1s, el equipo emple\u00f3 la computaci\u00f3n en la nube, que result\u00f3 \u00fatil para reducir tanto el tiempo de soluci\u00f3n como los costos computacionales.<\/p>\n
Como registr\u00f3 el equipo en su art\u00edculo sobre el trabajo, su \u00e9xito en la construcci\u00f3n de un marco multiescala basado en IA para permitir la simulaci\u00f3n de la din\u00e1mica de part\u00edculas de aerosol se moder\u00f3 en el sentido de que tambi\u00e9n expuso \u00abdebilidades en el ecosistema HPC\u00bb, lo que plantear\u00e1 desaf\u00edos para desarrollar y utilizar tales tecnolog\u00edas a largo plazo. A\u00fan as\u00ed, el trabajo del equipo fue reconocido por su innovaci\u00f3n al ser nombrado finalista del Premio especial Gordon Bell COVID-19 en 2021.<\/p>\n
A\u00fan no ha terminado<\/p>\n
Mientras COVID-19 contin\u00faa proyecta una larga sombra sobre el mundo, uno de los puntos brillantes es c\u00f3mo la comunidad cient\u00edfica se uni\u00f3 r\u00e1pidamente, acumulando t\u00e9cnicas y herramientas que inmediatamente se pusieron a trabajar y, a menudo, se compartieron abiertamente para mejorar el descubrimiento cient\u00edfico.<\/p>\n
DeepDriveMD es un ejemplo de software que se puede adaptar para resolver problemas similares a los planteados por COVID-19, especialmente a medida que se actualizan sus necesidades de funcionamiento y rendimiento. Jha se\u00f1al\u00f3 que tanto ORNL como la Universidad de Indiana est\u00e1n investigando la aplicabilidad de DeepDriveMD a la investigaci\u00f3n de materiales.<\/p>\n
\u00abPoner el software en uso lo hace mejor\u00bb, dijo. \u00abLa implementaci\u00f3n es mejorarlo junto con el aprendizaje autom\u00e1tico y la simulaci\u00f3n en general\u00bb.<\/p>\n
Turilli elogi\u00f3 el \u00abesfuerzo heroico\u00bb que se necesit\u00f3 para reunir a todos los dominios cient\u00edficos e investigadores dispares para enfrentar estas causas desafiantes, y se\u00f1al\u00f3 que este estilo de investigaci\u00f3n debe ser apoyado por defecto.<\/p>\n
\u00abDeber\u00edamos hacer que estos esfuerzos sean consistentes, grandes y rutinarios como una herramienta de investigaci\u00f3n diaria para beneficiar a la sociedad\u00bb, dijo.<\/p>\n
Jha solo pudo estar de acuerdo : \u00abEl pr\u00f3ximo paradigma de la inform\u00e1tica est\u00e1 aqu\u00ed. COVID es solo un problema en el que trabajar, pero \u00bfpuede construir la infraestructura para un an\u00e1lisis amplio? \u00bfLe permitir\u00e1 hacer algo o avanzar m\u00e9todos a nuevas escalas? El esfuerzo #COVIDisAirborne ofreci\u00f3 un anticipo de la nueva investigaci\u00f3n en ciencias computacionales. No est\u00e1 investigando si no lo est\u00e1 haciendo colectivamente.<\/p>\n
\u00abNecesita equipos multidisciplinarios para abordar estos problemas y escalas y proporcionar resultados r\u00e1pidos y procesables \u00ab, concluy\u00f3. \u00abLa ciencia de un solo genio es Detr\u00e1s de nosotros. Necesitamos numerosas personas involucradas para abordar estos problemas que son demasiado grandes para abordarlos solos\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
El esfuerzo colaborativo de IA para desentra\u00f1ar los misterios del SARS-CoV-2 gana el Premio Especial Gordon Bell M\u00e1s informaci\u00f3n:<\/strong> Lorenzo Casalino et al, Las simulaciones multiescala impulsadas por IA iluminan los mecanismos de la din\u00e1mica de picos del SARS-CoV-2, The International Journal of High Performance Computing Applications (2021).DOI: 10.1177\/10943420211006452 <\/p>\n Abigail Dommer et al. al, #COVIDisAirborne: Microscop\u00eda computacional multiescala habilitada por IA de Delta SARS-CoV-2 en un aerosol respiratorio, (2021).DOI: 10.1101\/2021.11.12.468428<\/p>\n","protected":false},"excerpt":{"rendered":" Modelo multiescala SARS-CoV-2 que presenta 305 millones de \u00e1tomos (izquierda), lo que lo convierte en uno de los sistemas biol\u00f3gicos m\u00e1s grandes jam\u00e1s simulados con tanta precisi\u00f3n. Cr\u00e9dito: The International Journal of High Performance Computing Applications (2021). DOI: 10.1177\/10943420211006452 Cuando comenz\u00f3 el esfuerzo por combatir el virus SARS-CoV-2, entre las preguntas m\u00e1s apremiantes estaba c\u00f3mo … Continuar leyendo \u00abEl modelado computacional ofrece nuevas vistas de COVID y un vistazo al futuro de la investigaci\u00f3n\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-10476","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/10476","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=10476"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/10476\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=10476"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=10476"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=10476"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}