"結(jié)構(gòu)就是功能"——蛋白質(zhì)的工作原理和作用取決于其3D形狀。

2020年末，基于深度神經(jīng)網(wǎng)絡(luò)的AlphaFold2，一舉破解了困擾生物學(xué)界長達(dá)五十年之久的“蛋白質(zhì)折疊”難題，改變了科學(xué)研究的游戲規(guī)則，可以從蛋白質(zhì)序列直接預(yù)測蛋白質(zhì)結(jié)構(gòu)，實現(xiàn)了計算機蛋白質(zhì)建模極高的精確度。
自AF2問世以來，全世界數(shù)百萬研究者已經(jīng)在瘧疾疫苗、癌癥治療和酶設(shè)計等諸多領(lǐng)域取得了突破。

2024年5月初，AlphaFold3再登Nature，基于Diffusion（擴散技術(shù)）架構(gòu)，將技術(shù)延伸到蛋白質(zhì)折疊之外，能以原子級精度準(zhǔn)確預(yù)測蛋白質(zhì)、DNA、RNA、配體等生命分子的結(jié)構(gòu)及相互作用。

為了避免Diffusion技術(shù)在一些無結(jié)構(gòu)區(qū)域產(chǎn)生“幻覺”，DeepMind還創(chuàng)新了一種交叉蒸餾（cross-distillation）方法，把AF2預(yù)測的結(jié)構(gòu)數(shù)據(jù)預(yù)添加到AF3的預(yù)訓(xùn)練集中，減少AF3的預(yù)測失誤。

AF2代碼已開源，AF3目測不會開源，也不能商用。
我們今天的主角——只能是AlphaFold2。

想知道怎么使用AlphaFold2最最快樂？
怎么快速完成蛋白質(zhì)結(jié)構(gòu)預(yù)測任務(wù)？
我們能在背后幫你默默干點什么？
來吧——

01
先復(fù)習(xí)一下
AlphaFold2計算的正確打開方式

我們通常說的AlphaFold2是指一個利用多個外部開源程序和數(shù)據(jù)庫，通過蛋白質(zhì)序列預(yù)測其3D結(jié)構(gòu)的系統(tǒng)。
整個蛋白質(zhì)結(jié)構(gòu)預(yù)測計算過程大致可以分為兩個階段：

一、數(shù)據(jù)預(yù)處理

包括多序列比對（MSA）和模板搜索（Template Search）兩個步驟，主要是利用已知的蛋白質(zhì)序列和結(jié)構(gòu)模板，獲得不同蛋白質(zhì)之間的共有進化信息來提升目標(biāo)蛋白質(zhì)結(jié)構(gòu)預(yù)測的準(zhǔn)確性。

需要比對和搜索的數(shù)據(jù)總和達(dá)到了TB量級，涉及數(shù)據(jù)庫密集I/O讀寫，因此對I/O有較高的要求。
這一階段主要使用HMMER與HH-suite軟件，以及Uniprot、MGnify、PDB等多個蛋白質(zhì)數(shù)據(jù)庫。計算耗時與蛋白序列長度正相關(guān)，主要使用CPU計算資源。

AF2訓(xùn)練數(shù)據(jù)集覆蓋多個數(shù)據(jù)庫，比如UniRef90/MGnify/PDB/BFD等，目前完整版大小約為2.62TB，是世界范圍內(nèi)較為權(quán)威的蛋白質(zhì)三維結(jié)構(gòu)數(shù)據(jù)庫。2022年7月28日，Google DeepMind將數(shù)據(jù)庫從近100萬個結(jié)構(gòu)擴展到超過2億個結(jié)構(gòu)，涵蓋了植物、細(xì)菌、動物和其他微生物等多個類別。

二 、模型推理與優(yōu)化

基于端到端的Transformer神經(jīng)網(wǎng)絡(luò)模型，AF2輸入Templates、MSA序列和pairing信息，其中pairing和MSA信息相互迭代更新，檢測蛋白質(zhì)中氨基酸之間相互作用的模式，輸出基于它們的3D結(jié)構(gòu)。

再用OpenMM軟件對預(yù)測的3D結(jié)構(gòu)進行物理放松，解決結(jié)構(gòu)違規(guī)與沖突。

使用Recycling（將輸出重新加入到輸入再重復(fù)refinement）進行多輪迭代訓(xùn)練和測試，多輪迭代優(yōu)化有一定的必要性，較為復(fù)雜的蛋白可能在多輪之后才能折疊到正確的結(jié)構(gòu)。
這一階段計算耗時與迭代次數(shù)正相關(guān)，主要使用GPU計算資源。

02
Workflow全流程自動化
隨心組合，當(dāng)一個甩手掌柜

作為一個系統(tǒng)，AlphaFold2借助了多個外部開源軟件和數(shù)據(jù)庫，整個計算過程也比較復(fù)雜。
如果用戶想要自行使用，不但要下載龐大的數(shù)據(jù)庫，還需要自行搭建使用環(huán)境，對IT能力的要求不可謂不高。

用戶看到的基本都是左邊這種畫面，我們能做的第一點——就是提供一個平臺，把左邊變成右邊：

而第二點，我們能跨越系統(tǒng)各個軟件之間，包括對軟件內(nèi)部的不同步驟任意重新排列組合，做成自動化的Workflow。
一次制作，反復(fù)使用，省時省力，還不用擔(dān)心中間出錯。

比如？

一 、多數(shù)據(jù)庫同時多序列比對（MSA）

多序列比對需要在多個蛋白質(zhì)數(shù)據(jù)庫里進行查找。
常規(guī)使用模式，用戶要手動依次在N個數(shù)據(jù)庫里進行搜索，整個過程耗時等于N次搜索的時間之和。
我們可以讓不同數(shù)據(jù)庫的搜索同時進行，并做成一個固定Workflow，自動執(zhí)行，整個過程花費時間將等于耗時最長的數(shù)據(jù)庫搜索時間。既節(jié)約時間，又省事。

二 、全計算流程與資源自由組合

不僅僅限于某一個步驟，我們能做全計算流程的自定義Workflow。
上一節(jié)我們復(fù)習(xí)了，AF2第一階段適合用CPU資源，第二階段使用GPU計算效果最佳，每個階段還涉及到不同軟件包。
整個計算過程比較復(fù)雜，需要在不同階段的不同步驟使用不同軟件包調(diào)用不同底層資源進行計算，手動操作工作量不小。而且，常規(guī)使用模式，可能會從頭到尾使用一種資源計算，這樣比較簡單，但是會比較吃虧，要么第一階段GPU純純浪費，要么第二階段慢得吐血，計算時間是原來的數(shù)倍。

我們能把整個計算流程與資源自由組合，讓用戶全程可視化操作，只需要輸入不同參數(shù)即可。既能實現(xiàn)應(yīng)用與資源的最佳適配，還能自動化操作，省去大量手動時間。

當(dāng)然，還有無數(shù)種其他組合的可能性。
不止是AlphaFold2，自定義Workflow也能應(yīng)用在其他場景，戳：1分鐘告訴你用MOE模擬200000個分子要花多少錢

03
掃清技術(shù)障礙
TB級數(shù)據(jù)庫與I/O瓶頸問題

AF2訓(xùn)練數(shù)據(jù)庫完整版大小約為2.62TB，數(shù)據(jù)預(yù)處理階段需要在數(shù)據(jù)庫中執(zhí)行多次隨機搜索，這會導(dǎo)致密集的I/O讀寫。如果數(shù)據(jù)的讀取或?qū)懭胨俣雀簧希蜁绊懙秸麄€計算過程的效率。

這可能會導(dǎo)致：
1. 同一任務(wù)多次計算，耗時卻不同；
2. I/O等待超時，任務(wù)異常退出；
3. 即便增加CPU資源，也無法加速計算。

為了解決這一問題，我們對整個數(shù)據(jù)庫做了梳理和拆分。其中最大的BFD數(shù)據(jù)庫接近2T，對I/O的要求非常高。
因此，我們將高頻I/O的BFD數(shù)據(jù)庫存放在本地磁盤，其他數(shù)據(jù)庫存放在網(wǎng)絡(luò)共享存儲上。

這帶來了兩大好處：
第一、磁盤空間換時間，計算速度更快
將高頻訪問的BFD數(shù)據(jù)庫放在本地磁盤上，I/O讀寫速度快，非常適合需要快速響應(yīng)的數(shù)據(jù)。因為本地磁盤是與機器綁定的，如果不止一臺機器，這會導(dǎo)致本地磁盤存儲空間增加。
而其他對I/O讀寫速度要求不高的數(shù)據(jù)庫可以放在網(wǎng)絡(luò)共享存儲上，方便所有機器共享讀取和寫入，減少數(shù)據(jù)同步問題。
整體來說，用磁盤空間換取時間，讓I/O對計算的影響降到最低，顯著提升了AF2的運算效率。

第二、為未來可能的大規(guī)模并發(fā)計算掃清技術(shù)障礙
關(guān)于這一點，我們進入下一節(jié)。

04
大規(guī)模并發(fā)！
同時預(yù)測100+蛋白質(zhì)結(jié)構(gòu)

對用戶來說，不可能一次只預(yù)測1個蛋白質(zhì)結(jié)構(gòu)。
那么，如果要同時預(yù)測100+蛋白質(zhì)結(jié)構(gòu)，怎么玩？
如果是以前，你不但需要搭好運行環(huán)境，準(zhǔn)備好計算資源，然后一個一個預(yù)測，而且每一個還得手動走一遍完整的計算流程。這個過程一聽就十分漫長，而且容易出錯。

而現(xiàn)在——
已知一：我們有Workflow全流程自動化的能力，單個蛋白質(zhì)預(yù)測已經(jīng)是一個自動化的Workflow了；
已知二：我們解決了I/O瓶頸問題，也就是說，多臺機器對I/O讀寫瓶頸問題已經(jīng)解決。
100+蛋白質(zhì)結(jié)構(gòu)預(yù)測，又有什么難的？

現(xiàn)在，我們只需要再多做一步，同時運行有100+個不同輸入?yún)?shù)的Workflow，就行了。而完成這一步需要具備兩個條件：

一 、充分的CPU/GPU資源

我們調(diào)用10萬核CPU資源，使用AutoDock Vina幫用戶進行了2800萬量級的大規(guī)模分子對接，將運算效率提高2920倍：提速2920倍！用AutoDock Vina對接2800萬個分子
我們智能自動化調(diào)度云端GPU/CPU異構(gòu)資源，包括155個NVIDIA Tesla V100和部分CPU資源，將運算16008個Amber任務(wù)的耗時從單GPU的4個月縮短到20小時：155個GPU！多云場景下的Amber自由能計算

二 、調(diào)度器能力

這么多機器和任務(wù)，怎么適配，按什么策略使用最佳，怎么配置、啟動、關(guān)閉，提高整體資源利用率，最好還能自動化管理、輔助管理決策等等，甚至怎么DEBUG，這需要的可不止是一點點技術(shù)。
詳情可戳：國產(chǎn)調(diào)度器之光——Fsched到底有多能打？

到這里，這100+蛋白質(zhì)預(yù)測任務(wù)，就可以一次性跑完了。

05
V100 VS A100
關(guān)于GPU的一點選型建議

那么多GPU型號，你選哪個？

市面上的GPU型號不少，性能和價格差異也很大。
我們選取了3個蛋白質(zhì)，分別使用V100和A100進行了一輪計算：

可以看到，對同一個蛋白質(zhì)進行結(jié)構(gòu)預(yù)測，A100用時約為V100的60-64%。
而目前的市場價，無論是小時租賃、包月預(yù)留還是裸卡買斷，A100至少是V100的2倍以上。
也就是說，A100是以2倍多的價格，去換取約三分之一的性能提升。
兩相比較，除非不差錢，我們推薦使用V100。

實證小結(jié)

1.AlphaFold2是一個系統(tǒng)，涉及到很多數(shù)據(jù)庫和不同軟件，我們的Workflow全流程自動化，讓用戶可以隨心組合，輕松上手蛋白質(zhì)結(jié)構(gòu)預(yù)測；
2.我們用磁盤空間換時間的手段，既解決了TB級數(shù)據(jù)帶來的I/O瓶頸問題，也為大規(guī)模并發(fā)計算掃清了技術(shù)障礙；
3.fastone可支持多個AlphaFold2任務(wù)大規(guī)模自動并行；
4.GPU也需要選型，我們推薦V100。

本次生信實證系列Vol.15就到這里。

關(guān)于fastone云平臺在各種BIO應(yīng)用上的表現(xiàn)，可以點擊以下應(yīng)用名稱查看
Vina│Amber│?MOE│?LeDock
速石科技新藥研發(fā)行業(yè)白皮書，可以戳下方查看：
新藥研發(fā)37問?│頂尖藥企AIDD調(diào)研

- END?-

我們有個一站式新藥研發(fā)平臺
集成行業(yè)應(yīng)用與自編譯軟件
支持AlphaFold、RoseTTAFold等常用AI應(yīng)用
可視化Workflow隨心創(chuàng)建、便捷分享
提供Zinc、Drugbank等開源/自有分子庫
CADD專家團隊全面支持掃碼

免費試用，送200元體驗金，入股不虧~

更多BIO電子書
歡迎掃碼關(guān)注小F（ID：iamfastone）獲取

你也許想了解具體的落地場景：
只做Best in Class的必?fù)P醫(yī)藥說：選擇速石，是一條捷徑
王者帶飛LeDock！開箱即用&一鍵定位分子庫+全流程自動化3.5小時完成20萬分子對接
1分鐘告訴你用MOE模擬200000個分子要花多少錢
155個GPU！多云場景下的 Amber自由能計算
提速2920倍！用AutoDock Vina對接2800萬個分子

新藥研發(fā)平臺：
今日上新——FCP
專有D區(qū)震撼上市，高性價比的稀缺大機型誰不愛？
國產(chǎn)調(diào)度器之光——Fsched到底有多能打？
創(chuàng)新藥研發(fā)九死一生，CADD/AIDD是答案嗎？
全球44家頂尖藥企AI輔助藥研行動白皮書

近期重大事件：
速石科技完成龍芯、海光、超云兼容互認(rèn)證，拓寬信創(chuàng)生態(tài)版圖
速石科技入駐粵港澳大灣區(qū)算力調(diào)度平臺，參與建設(shè)數(shù)算用一體化發(fā)展新范式
速石科技成NEXT PARK產(chǎn)業(yè)合伙人，共同打造全球領(lǐng)先的新興產(chǎn)業(yè)集群
速石科技出席ICCAD2023，新一代芯片研發(fā)平臺助力半導(dǎo)體企業(yè)縮短研發(fā)周期
速石科技與芯啟源開啟戰(zhàn)略合作，聯(lián)手打造軟硬件一體芯片研發(fā)云平臺

創(chuàng)新藥內(nèi)卷嚴(yán)重，九死一生，而且燒錢速度驚人。
不管Big Pharma還是Biotech都壓力山大，銷售額、利潤要漲，研發(fā)費用要邊漲邊控。
Biotech求活下去，求快速具備造血能力；
Big Pharma求踩穩(wěn)創(chuàng)新藥這一條新成長曲線，探索國際化的發(fā)展模式。

如何做到：
速度要快，姿勢還要帥？

第一：堆新藥研發(fā)人才

自己培養(yǎng)和直接搶人，這兩條路一般同時進行。
培養(yǎng)一個新藥研發(fā)人才和培養(yǎng)一個飛行員差不多，得用昂貴的試飛成本才能換來一點感覺。
外部就從跨國藥企搶，從大廠搶。既要懂研發(fā)，還要懂市場，最好還要懂資本的多面手，最重要的是，要留得住。

第二：外包，買現(xiàn)成管線

一定程度上解決問題，快是快了，但終究不是長久之計。
而且核心知識產(chǎn)權(quán)不在自己手上，姿勢不夠帥。

第三：堆CADD/AIDD人才

關(guān)于為什么CADD（計算機輔助藥物研發(fā)）/AIDD（AI輔助藥物研發(fā)）能夠加速新藥研發(fā)進展，去年，我們在這篇《 【2021版】全球44家頂尖藥企AI輔助藥物研發(fā)行動白皮書 》里已經(jīng)解釋過了，不再贅述。

CADD和AIDD的區(qū)別就是，一個重“人工”，一個重“智能”。
不必取舍，兩者殊途同歸。

國內(nèi)企業(yè)在找CADD/AIDD人才方面現(xiàn)在是什么情況？
我們在國內(nèi)9個主流招聘平臺，相隔半年先后調(diào)查了兩次，一共覆蓋134家公司，職位關(guān)鍵詞包括：AI、人工智能、CADD、計算化學(xué)等。
再說一遍：“別看他的眼睛，你看他的手”，行動永遠(yuǎn)勝過言語。

結(jié)論如下：

1、招聘CADD/AIDD相關(guān)職位的公司總量從78家增加到了106家，增幅36%；

2、半年內(nèi)實際新增招聘公司數(shù)量，56家；

3、八成以上公司明確表示正在進行創(chuàng)新藥研發(fā)，其中近四分之一應(yīng)用了AI技術(shù)；

4、2014年以后成立的公司明確表示使用AI技術(shù)的比例大幅提升；

5、30家公司正在招聘CADD/AIDD團隊負(fù)責(zé)人，占比28%，其中有9家在JD中明確提出要組建CADD/AIDD新團隊；

6、最受歡迎CADD/AIDD應(yīng)用前三名：Schrodinger、MOE和AutoDock。

第三plus：堆資源，或者找個新藥研發(fā)平臺？

為啥堆資源就快了？

1、充足的資源會給研發(fā)人員帶來充足的想象力和試錯空間，而不是束手束腳施展不開。
就像有人問一位Google芯片設(shè)計師：在Google做芯片，是一種什么體驗？他說：就像小朋友走進了一家糖果店，開心瘋了。（做芯片設(shè)計也是需要大量資源的

2、充足的資源能夠提供更高的計算精度和準(zhǔn)確性，提高結(jié)果的質(zhì)量和可用性。2020年3月，哈佛大學(xué)醫(yī)學(xué)院在《Nature》發(fā)表的論文《An open-source drug discovery platform enables ultra-large virtual screens》就明確推導(dǎo)了真陽性率與所篩選化合物數(shù)量的函數(shù)關(guān)系的概率模型，證明：化合物的最高打分隨著規(guī)模增加而提高。

作者分別從10萬、100萬、1000萬、1億、10億個化合物中進行了5次篩選，挑選了得分最高的前50個化合物進行對比，從圖中可以很清楚地看到篩選的規(guī)模越大，得分越高（位置越靠上）。具體可以看這篇《15小時虛擬篩選10億分子，《Nature》+HMS驗證云端新藥研發(fā)未來》

3、出結(jié)果快。

比如我們幫助一家大型藥企使用AutoDock Vina對整個VS數(shù)據(jù)庫（2800萬個分子）做小分子對接，本地104核CPU需2.6至5年，在云上自動化構(gòu)建并調(diào)度10萬核大規(guī)模算力集群后只用15.23小時就完成了所有任務(wù)。

去哪里堆？
企業(yè)自己采購機器，搞機房，或者直接用云，都可以。 

那么，直接找個新藥研發(fā)平臺呢？
讓CADD/AIDD研發(fā)人員不用身兼數(shù)職，甚至要干運維的活；
更輕松、高效地獲取超大規(guī)模資源，還可以自動化變大變小彈性伸縮；
Workflow自定義制作模板，降低團隊整體學(xué)習(xí)和溝通成本；自動化的方式替代人工，提高研發(fā)整體效率和管理效率。

做創(chuàng)新藥已經(jīng)夠難了，充滿了不確定性。讓其他事情變簡單點？

先看幾個成果：

更多你想要的答案，這里應(yīng)該都有

新藥研發(fā)平臺37問

一、云平臺支持哪些CADD/AIDD場景？
二、云平臺支持哪些應(yīng)用？支持自定義工作流嗎？
三、對CADD/AIDD研發(fā)部門來說，有哪些好處？
四、對IT部門來說，有哪些好處？

一、云平臺支持哪些CADD/AIDD場景？

1、如何支持AIDD場景？
在AIDD方面，我們支持AlphaFold、RoseTTAFold等常用AI框架所需資料和快速環(huán)境的搭建，并支持更多組件按需集成。

2、平臺支持分子對接嗎？支持基因測序嗎？還支持哪些CADD場景？平臺可支持CADD中典型場景分子動力學(xué)模擬、分子對接、虛擬篩選等，并支持單細(xì)胞測序、全基因測序場景。 

3、蛋白與蛋白docking可以在平臺中運行嗎？DOCK發(fā)展到現(xiàn)在整合多步驟的HADDOCK、ClusPro、SwamDock、RosettaDock等等，該領(lǐng)域的算法不斷地升級迭代。平臺也能夠很方便地集成相關(guān)軟件，提供驗證環(huán)境。 

4、想要通過平臺篩選一些特定結(jié)構(gòu)的分子，是否可以優(yōu)化化合物庫？如果您能夠提供確切信息，可以一同討論優(yōu)化。同時，我們也準(zhǔn)備了很多開源的分子庫供大家使用，現(xiàn)在已支持Zinc、Drugbank、Maybridge、Enamine等。 

5、目前平臺中是否有自建的化合物數(shù)據(jù)庫？
CADD研究過程中，不論是靶點的發(fā)現(xiàn)和優(yōu)化、還是先導(dǎo)化合物的發(fā)現(xiàn)和優(yōu)化，開源的分子庫是必不可少的基礎(chǔ)數(shù)據(jù)。目前開源的分子庫數(shù)據(jù)分散各地，下載緩慢，格式不統(tǒng)一，更新頻率不等，導(dǎo)致無法統(tǒng)一使用和管理，數(shù)據(jù)資產(chǎn)作用發(fā)揮有限。所以我們構(gòu)建了fastone自有的分子庫，并做好了進一步的數(shù)據(jù)準(zhǔn)備。
例如：
1、數(shù)據(jù)預(yù)處理，合并或格式轉(zhuǎn)換；
2、數(shù)據(jù)后處理，去重或力場優(yōu)化。

 6、你們可以協(xié)助做小分子設(shè)計嗎？
我們不直接提供具體的小分子設(shè)計，我們負(fù)責(zé)搭建IT和信息平臺，協(xié)助您完成相關(guān)的研發(fā)工作。

 7、基因數(shù)據(jù)量很大，平臺有什么好的解決辦法？
對于GB級別的增量數(shù)據(jù)，我們支持以混合云組網(wǎng)專線的方式優(yōu)化上傳線路。傳輸通道使用DM工具，支持全自動化數(shù)據(jù)上傳，可充分利用帶寬，幫助用戶快速上傳、下載海量數(shù)據(jù)。
對于PB級別的存量數(shù)據(jù)，建議通過離線方式快速傳輸。 

8、最終結(jié)果能否在線可視化查看？
平臺支持圖片、表格、HTML等多種形式展現(xiàn)。

二、云平臺支持哪些應(yīng)用？支持自定義工作流嗎？

9、云平臺能覆蓋到我常用的軟件嗎？我們支持常用的生物/化學(xué)計算類應(yīng)用，包括：生物化學(xué)與分子生物學(xué)/化學(xué)工程/生物化學(xué)/應(yīng)用化學(xué)/生物工程/藥物化學(xué)/分析化學(xué)/物理化學(xué)/高分子化學(xué)與物理。 

10、具體來說，支持哪些生物/化學(xué)計算類應(yīng)用/工具？我們支持幾乎所有的生物/化學(xué)計算類應(yīng)用/工具，包括：AutoDockVina、Amber、FastQC、DeltaVina、GATK、Gromacs、Schr?dinger、NetMHC、Rosetta、BCFtools等。

更多支持應(yīng)用列表，歡迎文末掃碼添加小F獲取。

11、你們支持Alphafold嗎？
我們可以快速提供Alphafold等常用環(huán)境，方便用戶快速進行后續(xù)研究。

12、我們用的軟件是自己編譯的，你們平臺支持嗎？
支持。我們提供的集群環(huán)境鏡像已包含常見應(yīng)用工具運行所需的依賴庫，用戶也可以自行安裝配置。

13、對于一些商業(yè)軟件例如Schr?dinger，你們提供License嗎？
商業(yè)軟件的License文件需要客戶自行提供，fastone提供License Server進行統(tǒng)一管理。

14、分子對接流程能不能自定義？上云之后每次都要重新弄一遍嗎？
很多時候，現(xiàn)成的應(yīng)用往往無法滿足用戶的需求，需要根據(jù)自己的模型和研究目標(biāo)，自定義設(shè)置一套獨有的工作流程。
特別是新藥研發(fā)所涉及的應(yīng)用上，可以說幾乎沒有一模一樣的工作流。 我們已經(jīng)實現(xiàn)了多款應(yīng)用（如Vina、Amber）的自定義工作流，可以根據(jù)用戶的實際使用場景（包括入?yún)⑽募⒔Y(jié)果文件、流程使用方式、步驟以及相關(guān)說明等）實現(xiàn)自定義模板和腳本自動化。用戶也可以提供腳本，由我們協(xié)助完成并行化改造。

15、你們是否提供固定的工作流模板？
提供。
用戶在進行了一次或多次復(fù)雜的設(shè)定之后，能把這些設(shè)定保存成固定模板，不用重復(fù)手動去一步步重新設(shè)置。一次制作，反復(fù)使用，省時省力，還不用擔(dān)心中間出錯。而且，這套自定義的設(shè)置是可以跨應(yīng)用存在的，不一定局限在一個應(yīng)用范圍內(nèi)。自己重復(fù)用，共享給團隊的其他人用，都可以。

16、你們是怎么幫助我們做工作流優(yōu)化的？
我們有通用的框架。我們也有對應(yīng)的CADD專家，可理解您的業(yè)務(wù)需求，快速設(shè)計出合理的相關(guān)流程。 

17、你們的云平臺如何與CADD應(yīng)用相結(jié)合適配？
我們提供兩種模式進行適配：任務(wù)模式和集群模式。
集群模式為用戶提供了一個靈活的環(huán)境，用戶可在集群模式下進行一系列的調(diào)整和優(yōu)化，自由度非常高。
如果您習(xí)慣使用圖形化界面操作，我們也提供圖形桌面，您可通過Web瀏覽器啟動集群，跳轉(zhuǎn)到虛擬桌面，并可在該桌面直接操作應(yīng)用進行相應(yīng)設(shè)置以開啟云端任務(wù)。當(dāng)用戶在集群模式下跑通了之后，可以選擇將整個流程固化下來，方便更多研發(fā)人員使用。此時我們可以幫助用戶將此套流程轉(zhuǎn)換成固定的任務(wù)模式，讓更多的人可以使用這個成熟的框架，從而加速后續(xù)的整體研發(fā)效率。

三、對AIDD/CADD研發(fā)部門來說，有哪些好處？

18、你們的平臺容易操作嗎？用起來會不會很麻煩？
我們?yōu)锳IDD/CADD研發(fā)人員提供了一整套即開即用的新藥研發(fā)環(huán)境，從登錄桌面、打開應(yīng)用、配置、提交任務(wù)、自動上云開機運行任務(wù)并自動關(guān)機、查看結(jié)果進行調(diào)試……用戶所需要的操作與本地幾乎完全一致，每一步只需在平臺上使用鼠標(biāo)簡單點選即可完成。、

 19、有些應(yīng)用需要先跑完主任務(wù)再跑其他任務(wù)，上云可以智能化跑任務(wù)嗎？
有些應(yīng)用在運算時存在依從機制，每若干個任務(wù)中包含1個主任務(wù)，只有當(dāng)主任務(wù)運行結(jié)束后，其他任務(wù)才能開始并行運算。
由于任務(wù)有先后，所以需要先跑主任務(wù)，在每個主任務(wù)完成之后自動調(diào)度資源并行運算其他任務(wù)。
而不同任務(wù)完成時間可能不同，對資源的需求量可能時高時低有波動，最終結(jié)束關(guān)機時間也不同。
我們使用Slurm調(diào)度器按順序調(diào)度任務(wù)排隊，Auto-Scale功能可自動監(jiān)控任務(wù)和資源需求，動態(tài)按需地開啟與關(guān)閉所需資源。詳細(xì)的自動化過程可參考27問。

20、做分子對接，動不動就是幾百萬上千萬個分子，太貴了，有節(jié)約成本的方案嗎？
分子對接規(guī)模如果巨大，有什么好的解決辦法能加快這個過程？怎么做到的？分子對接的一大特征是任務(wù)數(shù)量龐大而單個任務(wù)計算時間短，單個分子對接的時間通常在幾分鐘以內(nèi)（與參數(shù)設(shè)置有關(guān)）。
這一特征天然匹配云端的SPOT實例。
當(dāng)便宜且隨時可能被搶占中斷的SPOT實例遇到迷你卻海量的分子對接任務(wù)，簡直就是天造地設(shè)的一對。
1、常規(guī)分子對接任務(wù)幾分鐘即可算完，特別適合SPOT這種分分鐘可能被搶走的狀態(tài)；
2、fastone平臺具備自動重試功能，一個任務(wù)被中斷可以自動重新提交，任務(wù)之間互相不影響，重新提交單個任務(wù)影響很小。詳見《生信云實證Vol.3：提速2920倍！用AutoDock Vina對接2800萬個分子》

21、任務(wù)量比較大，想提前預(yù)估一下費用再做決策，有沒有什么好辦法？
我們平臺預(yù)設(shè)了智能預(yù)測功能，以MOE為例。
用戶在fastone平臺的圖形化操作界面運算MOE任務(wù)，完成以下步驟：
1、用戶上傳數(shù)據(jù)文件（平臺自動解析文件，判斷其中包含的分子數(shù)量）
2、用戶輸入期望的運算時間（平臺推薦用戶適配機型或用戶自行選擇機型）
3、系統(tǒng)得出預(yù)測成本

項目負(fù)責(zé)人能夠非常方便地使用該功能預(yù)估項目費用，完成項目規(guī)劃和申請。 

22、我要跑TPU，你們支持嗎？
支持。
用戶可以通過我們平臺獲取到TPU資源。

23、有時會遇到CADD模擬出的結(jié)果與實際結(jié)果有一定出入，這是為什么？
CADD本身是模擬的結(jié)果，通過不斷的迭代，力場的優(yōu)化，會不斷接近實際情況。CADD和實際的實驗數(shù)據(jù)相結(jié)合，反復(fù)設(shè)計和迭代，可以達(dá)到很好的效果。

24、有些任務(wù)需要使用大量的GPU資源，你們有嗎？
當(dāng)單個云廠商的GPU資源難以滿足需求時，我們會根據(jù)用戶任務(wù)需要和特性，跨多家公有云廠商，智能自動化調(diào)度云端GPU異構(gòu)資源，保證用戶對GPU的需求得到滿足。

 25、GPU資源很貴，有沒有節(jié)約成本的方案？
GPU資源在不同云廠商之間有著顯著的差異，而且往往資源多的售價高，便宜的資源少，同時兼顧成本和效率是必須要考慮的問題。以各大公有云廠商在北京地區(qū)的GPU實例（V100）按需價格為例，最高價格超過最低價2倍。

我們平臺可綜合考量用戶對完成任務(wù)所需時間和成本的具體要求，在多個云廠商的資源之間選擇最適配的組合方案，為用戶跨地區(qū)、跨云廠商調(diào)度所需資源。

26、用Amber跑任務(wù)，用GPU跑非常快，但是有時候會跑失敗，用CPU雖然穩(wěn)定但是慢，你們怎么解決？
這是Amber18版本的固有問題，在使用GPU時計算時有10-15%概率失敗，需要及時調(diào)度CPU資源重新計算。我們平臺支持優(yōu)先使用GPU計算，當(dāng)任務(wù)失敗時，自動調(diào)用CPU重新計算。
該問題已在Amber20中修復(fù)。

四、對IT部門來說，有哪些好處？

27、現(xiàn)在公司里才幾臺機器，天天維護頭就很大了，云上這么多機器還不得把自己搞禿了？
云上的運行環(huán)境都是自動化配置的，不需要人工干預(yù)，用戶還可以通過平臺進行統(tǒng)一管理和監(jiān)控，方便易操作。
舉個例子，我們的Auto-Scale功能可以自動監(jiān)控用戶提交的任務(wù)數(shù)量和資源的需求，動態(tài)按需地開啟和關(guān)閉所需算力資源，在不夠的時候，還能根據(jù)不同的用戶策略，自動化調(diào)度本區(qū)域及其他區(qū)域的目標(biāo)類型或相似類型實例資源。所有操作都是自動化完成，無需用戶干預(yù)。
下圖就是開啟Auto-Scale功能后，用戶某項目一周之內(nèi)所調(diào)用云端計算資源的動態(tài)情況。
其中橙色曲線為OD實例的使用狀況，紅色曲線為SPOT的使用狀況。

Auto-Scale功能可以根據(jù)任務(wù)運算情況動態(tài)開啟云端資源，并在波峰過去后自動關(guān)閉，讓資源的使用隨著用戶的需求自動擴張及縮小，最大程度匹配任務(wù)需求。

28、你們是什么存儲策略？費用呢？冷存儲和熱存儲的費用是不一樣的，我們會根據(jù)用戶的情況提供個性化的解決方案。

29、數(shù)據(jù)備份的頻率如何？最高可以達(dá)到多少？現(xiàn)有策略怎樣？默認(rèn)每周六進行數(shù)據(jù)備份，也可以根據(jù)客戶需求按天或按小時備份。

30、使用平臺的工作人員比較多，能否對每個人設(shè)置使用資源的上限？
fastone平臺的權(quán)限和角色管理功能，支持管理員角色對每一個用戶進行相關(guān)權(quán)限設(shè)定，包括預(yù)算使用上限和CPU核數(shù)使用上限，從而在全局角度管控項目的資源消耗。該功能與智能預(yù)測配合使用，能夠從多個層面對預(yù)算和資源進行全方位規(guī)劃。

31、公司里還有些機器能用，你們支持混合云模式嗎？
支持。
可以將本地機器做成集群，也可以基于本地機器搭建混合云平臺。我們支持本地資源不足的時候，自動溢出到云上。

32、你們怎么實現(xiàn)混合云？
云資源和本地之間通過安全的數(shù)據(jù)通道連接，所有資源在fastone平臺統(tǒng)一管理，有統(tǒng)一視圖，并按需智能調(diào)度，不改變用戶的使用習(xí)慣。

 33、公司里已經(jīng)有機器了，再增加一套云環(huán)境，IT管理上會不會變麻煩？通過我們可以在不增加負(fù)擔(dān)的情況下對接多云，減少IT管理壓力。我們的自動化管理平臺很容易上手，對提升研發(fā)效率和資源利用率都有很大幫助。

34、我們公司有海外研發(fā)部門，用你們平臺方便嗎？
我們的平臺支持全球部署，我們會全球的優(yōu)化組網(wǎng)，統(tǒng)一用戶管理，數(shù)據(jù)管理，優(yōu)化的遠(yuǎn)程接入方式，保持一致的用戶體驗。

35、云上云下的安全如何保障？
安全是一個立體的概念，包括系統(tǒng)安全、應(yīng)用安全、流程安全、數(shù)據(jù)安全等很多方面。
云的基礎(chǔ)架構(gòu)和傳統(tǒng)IT架構(gòu)在安全方面并沒有本質(zhì)上的區(qū)別，依然是利用計算節(jié)點和存儲資源。很多人覺得這兩者之間存在差異，我們認(rèn)為這取決于個人的認(rèn)知。本地的安全措施在云上都可以實現(xiàn)，同時云廠商本身還提供更強大的安全保障。

 36、數(shù)據(jù)安全如何實現(xiàn)？
數(shù)據(jù)全部通過安全協(xié)議傳輸，并支持RBAC的數(shù)據(jù)訪問認(rèn)證鑒權(quán)。同時，我們還支持?jǐn)?shù)據(jù)加密存儲，算法可自定義。

- END -

我們有個新藥研發(fā)云平臺
集成多種生命科學(xué)領(lǐng)域應(yīng)用，大量任務(wù)多節(jié)點并行
應(yīng)對短時間爆發(fā)性需求，連網(wǎng)即用
跑任務(wù)快，原來幾個月甚至幾年，現(xiàn)在只需幾小時
快速上手，拖拉點選可視化界面，無需代碼
支持高級用戶直接在云端創(chuàng)建集群 

掃碼免費試用，送200元體驗金，入股不虧~

更多電子書歡迎掃碼關(guān)注小F（ID：imfastone）獲取

你也許想了解具體的落地場景：

這樣跑COMSOL，是不是就可以發(fā)Nature了
Auto-Scale這支仙女棒如何大幅提升Virtuoso仿真效率？
1分鐘告訴你用MOE模擬200000個分子要花多少錢
LS-DYNA求解效率深度測評 │ 六種規(guī)模，本地VS云端5種不同硬件配置
揭秘20000個VCS任務(wù)背后的“搬桌子”系列故事
155個GPU！多云場景下的Amber自由能計算
怎么把需要45天的突發(fā)性Fluent仿真計算縮短到4天之內(nèi)？
5000核大規(guī)模OPC上云，效率提升53倍
提速2920倍！用AutoDock Vina對接2800萬個分子
從4天到1.75小時，如何讓Bladed仿真效率提升55倍？
從30天到17小時，如何讓HSPICE仿真效率提升42倍？

關(guān)于為應(yīng)用定義的云平臺：

解讀Hyperion年度報告：脫離場景談用量就是耍流氓
這一屆科研計算人趕DDL紅寶書：學(xué)生篇
一次搞懂速石科技三大產(chǎn)品：FCC、FCC-E、FCP
AI太笨了……暫時
【2021版】全球44家頂尖藥企AI輔助藥物研發(fā)行動白皮書
國內(nèi)超算發(fā)展近40年，終于遇到了一個像樣的對手
幫助CXO解惑上云成本的迷思，看這篇就夠了
花費4小時5500美元，速石科技躋身全球超算TOP500