1 / 1

Data Flow

결과. 화합물 리스트. Storage Element. AMGA 기술 개발. 당뇨병 신약후보물질탐색 데이터챌린지. WISDOM Production Environment 개선. DrugScreener-G. 단백질 도킹 소프트웨어. 그리드 사이트 1. 모니터링 통계자료. 파라미터 설정 목표 단백질 구조 탐색 화합물 선택. Computing Element. 사용자 인터페이스. 그리드 사이트 2. Computing Element. 화합물 데이터베이스. Storage Element.

albina
Télécharger la présentation

Data Flow

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 결과 화합물 리스트 Storage Element AMGA 기술 개발 당뇨병 신약후보물질탐색 데이터챌린지 WISDOM Production Environment 개선 DrugScreener-G 단백질 도킹 소프트웨어 그리드 사이트 1 모니터링 통계자료 파라미터 설정 목표 단백질 구조 탐색 화합물 선택 Computing Element 사용자 인터페이스 그리드 사이트 2 Computing Element 화합물 데이터베이스 Storage Element 단백질 도킹 소프트웨어 결과 대규모 가상 신약 물질 탐색 e-Science 환경 구축 Data Flow 그리드 컴퓨팅을 이용한 대규모 가상 신약 물질 탐색 • 대규모 단백질-화합물 도킹 계산을 이용한 대규모 가상 신약 물질 탐색 • 단백질-화합물 도킹 계산  화합물(Compound)이 목표 단백질에 어떻게 결합하여 단백질의 활성을 억제할 수 있는지 컴퓨터 계산을 통해 예측 • 신약 후보 물질 데이터베이스에 축적된 대량의 화합물 정보를 모두 이용한 신약 물질 탐색은 매우 유용하나 계산량이 막대함. • EGEE등의 그리드 인프라를 이용하여 대규모 대용량 처리 계산(High-throughput Computation)을 할 경우 계산 시간과 비용을 획기적으로 단축할 수 있음. • DrugScreener-G • 그리드 컴퓨팅을 이용한 대규모 가상 신약 물질 탐색을 일반 사용자들도 쉽게 사용할 수 있도록 하는 e-Science 통합 환경 • EGEE 그리드 인프라를 이용한 대용량 가상 신약 물질 탐색 실험 수행 • 목표 단백질 : 인간 아밀라아제 억제제 (3차원 단백질 모델은 Protein DataBase의 refined 1u2y모델) • 308310개의화합물 정보를 이용. • 결과 • 총 38 CPU years 상당의 계산 수행, 23.5 GB의 데이터 생성 (2008년 8월, 2.4일 동안 수행) • 이전 데이터챌린지와의 수행 성능 비교 • AMGA (EGEE 공식 메타데이터 서비스) - 그리드 상에 분산되여 저장된 파일에 대한 메타데이터 서비스 제공 (gLite 미들웨어에 포함되어 있음) • 공동개발 : CERN(스위스),INFN(이탈리아),KISTI(한국) • AMGA 2.0 (KISTI 주도 개발) • OGF표준 WS-DAIR,SQL 지원 • Threaded MPM 모델 지원 • DB 연결 풀링 지원 • 가상 스크리닝을 위한 • Large-Scale 작업 지원 • 목표 • 효율적인 작업 배포 • 높은 동시 처리량 • 주요 개선 사항 • Task pull model 적용 • 입력 및 결과파일의 저장매체로서 AMGA를 활용 • 효율적인 RB와 CE를 선택하기 위한 동적 학습 모듈 구현 • WN로부터 직접 모니터링 정보를 수집 Laboratoire de Physique Corpusculaire de Clermont-Ferrand/CNRS/IN2P3 European Organization for Nuclear Research

More Related