基于网格计算环境的蛋白质折叠模拟应用的设计与实现.docVIP

基于网格计算环境的蛋白质折叠模拟应用的设计与实现 洪 宇 杨寿保 陈华平 王文睿 吴佳骥 （中国科学技术大学计算机科学技术系，合肥，230026） 摘要: 本文利用当前网格计算和服务最新技术Web Service，设计并实现了基于网格计算环境的蛋白质折叠模拟的分布式计算模型，在生物计算领域有着重要的应用价值。同时，它整合了当前最先进的网络计算技术，在算法上和平台建设上有着广泛的指导和示范意义。 关键词:网格计算；蛋白质折叠；Web服务 THE DESIGN AND REALIZATION OF DISTRIBUTING COMPUTATION OF PROTEIN PUCKER SIMULATION BASED ON GRID ENVIROMENT Abstract: To deal with the exigent demand of biology computing, base on the representative application of protein pucker simulation, we make use of the new technology of Web service, designed and realized the distributing computation model. The project has gross application value, at the same time, because conformed of the advanced network computation technology, it has signification of instruction in arithmetic and flat roof construction. Keywords: grid computation；protein pucker simulation; Web services; 1. 引言 当前，生物科学的信息化和全球化已成为大势所趋，我国的生命科学界对网格产生了强烈需求。 面对海量的、呈指数形式快速增长的生物信息数据，我们必须抓好两个重点，一方面必须发展全新的生物信息处理方法，另一方面必须建立超大规模数据的信息处理系统。研究蛋白质的折叠，是生命科学领域的前沿课题之一，在概念上有热力学的问题和动力学的问题[2]。目前结构预测的方法主要是假设蛋白质分子天然构象处于热力学最稳定，能量最低状态，考虑蛋白质分子中所有原子间的相互作用以及蛋白质分子与溶剂之间的相互作用，采用分子力学的能量极小化方法，计算出蛋白质分子的天然空间结构，研究人员现在用快速测定方法追踪蛋白质重折叠的全过程，捕捉折叠过程中的每一个中间状态[3]。在863项目“建设合肥网格结点并开发若干典型应用”的支持下，我们利用Web Service 技术在中国科技大学校园网络平台上开发并实现了这个基于网格环境的蛋白质折叠模拟分布式计算应用。本文在第二部分给出了具体问题的描述和计算模型，第三部分给出了详细的实现过程， 第四部分对该模型作了性能上的分析，最后展望了下一步工作。 2．问题描述与计算模型设计 2.1 问题描述 我们利用计算机模拟快速测定并追踪蛋白质重折叠的全过程，尽可能捕捉折叠过程中的每一个中间状态，直至到白质分子处于热力学最稳定，能量最低状态（如图1所示）。一般在折叠过程中，要经过多次中间状态，达到多次局部能量局部极小状态，并在其基础上逐步到达极小状态（如图2所示）。现在的关键问题是： a) 在模拟蛋白质折叠计算过程中，当我们给定初始状态（各种热力学、动力学参数）时，在一次单机的具体计算过程中达到某一极值（可能是局部极值）概率很小，为此我们必须集成大规模的地理上分布、异构的计算机，让它们在给定初始条件下同步计算。 b) 根据上一步，某一具体计算过程达到极值状态时，我们必须及时记录该时刻的状态（此刻的热力学、动力学参数），并终止其他节点的计算，然后让所有计算节点从这个中间状态出发继续计算。因此这里存在一个任务的重新分配的调度问题。 2.2 计算模型 网格提供两种使用方式：Web环境方式和常规方式。Web方式面向生产型应用，提供安全的网格Web服务，包括资源浏览和批式作业管理功能。常规方式面向应用程序的开发。为解决以上问题，我们决定采用Web服务[1]方式部署该应用，在具体的调度算法中我们采用如图3所示算法模型： a) 如图3所示，首先，生物工作者向服务器提交任务，再由服务器发布并分配任务各客户机向服务器注册并申请任务，服务器给每个客户机生成注册号并分配任务，各客户独立地进行计算； b)当某一客户在计算过程中达到极值点，立刻向服务器报告计算结果；