GPU加速和局部搜索优化的快速分子对接方法研究.pdfVIP

摘要

近年来，药物虚拟筛选在药物化学行业中得到了广泛应用，其主要是利用计算机技术模

拟靶标和化合物之间的相互作用进行预筛选，识别出最有可能与药物靶标结合的小分子（配

体），从而降低实际理化实验次数，减少人力物力资源消耗，提高药物先导化合物的发现效

率。常用的分子对接软件一般用于基于结构的虚拟筛选，预测两个分子之间形成稳定复合物

的最佳作用模式，并使用评分函数来估计配体和靶标之间的相互作用力，进而筛选出潜在配

体。目前主流的分子对接软件例如AutoDockVina等在分子对接过程中需要消耗大量时间和

计算资源，限制了其在大规模分子对接应用场景下的使用。

本文在最高效的QVina2对接软件基础之上，提出了基于CPU-GPU异构架构的QVina2

并行化分子对接方法QVina2-GPU，利用GPU硬件高度并行体系提高分子对接软件运行速度。

具体做法包括增加初始化分子构象数量，以扩展快速启发式蒙特卡罗的迭代搜索中线程的并

行规模，增加蒙特卡罗的迭代搜索广度以减少每次蒙特卡罗迭代搜索深度，并在NVIDIA

GeforceRTX3090平台上在公开的配体数据库上进行验证，实验结果表明QVina2-GPU对

QVina2的最大加速比达到5.03倍，最大蒙特卡罗时间加速比达到31.23倍。

考虑到上面提出的QVina2-GPU中基于Armijo准则的局部搜索算法，因步长过小会增加

搜索迭代次数和搜索时间，本文提出了基于Wolfe-Powell准则的并行分子对接方法

QVina2-GPU-W，利用Wolfe-Powell准则改进QVina2-GPU中的局部搜索算法，提高对接精

度，进一步减少快速启发式蒙特卡罗迭代搜索深度和搜索时间。最后NVIDIAGeforceRTX

3090平台上在公开的配体数据库上验证了QVina2-GPU-W算法的优越性，实验结果表明基于

Wolfe-Powell准则的QVina2-GPU-W对QVina2的最大加速比达到12.28倍，最大蒙特卡罗时

间加速比达到60.28倍。从而进一步验证了我们提出的GPU加速和局部搜索优化的分子对接

方法QVina2-GPU-W的加速性能和对接精度。

关键词虚拟筛选；分子对接；:GPU；快速启发式蒙特卡罗算法

I

Abstract

Inrecentyears,drugvirtualscreeninghasbeenwidelyusedinthemedicinalchemistry

industry,whichmainlyusescomputertechnologytosimulatetheinteractionbetweentargetsand

compoundsforpre-screening.Thedrugvirtualscreeningisdesignedtoidentifythesmallmolecules

(ligands)bindingtothetargetdrugwithhighprobability,whichcanboosttheefficiencyof

discoveringthedrugleadcompoundsbyreducingthenumberofphysicalandchemicalexperiments,

andloweringthelaborandmaterialcost.Commonly-usedmoleculardockingsoftwareisdeveloped

forthestructure-basedvirtualscreening,whichcanexploretheoptimizedinteractionmodelby

estimatingtheinteractionforcebetweentheligandandthetargetwiththescoringfunction.In