COVID-19-rokotetta kehitetään suurteholaskennalla ja keinoälyllä

Artikkelit Reading time: Reading time: Lästid: Lukemisen aika: Læsningstid Leestijd Lesetid 6 minutes minutes minuter minuuttia minutter minuten minutter

Tutkijat ympäri maailman yrittävät nopeuttaa koronavirukseen purevien lääkkeiden ja rokotteiden kehitystä monimutkaisella mallinnuksella, simulaatioilla, keinoälyllä ja koneoppimisella.

Suurteholaskenta (High-performance computing, HPC) on tärkeässä roolissa taistelussa COVID-19:ää vastaan. Se tarjoaa tutkijoille tarpeellista lisätehoa, joka nopeuttaa rokotteen löytämistä ja voi johtaa lukuisten ihmishenkien pelastamiseen.

Tutkijat ympäri maailman luottavat HPC:n tarjoamaan valtavaan laskentatehoon sekä supertietokoneisiin luodakseen monimutkaisia matemaattisia malleja. Niiden avulla laaja ja monimutkainen COVID-19-data saadaan muutettua simuloimaan erilaisia biologisia ja kemiallisia prosesseja. Nämä simulaatiot parantavat ymmärrystämme uudesta viruskannasta ja ihmiskehon monimutkaisista vuorovaikutuksista aina molekyylitasolle asti sekä nopeuttavat uusien hoitomuotojen ja ehkäisevien toimenpiteiden kehittämistä.

Tuomme teknologiat saataville ja asetamme uuden riman nopeudelle, suorituskyvylle ja mittakaavalle. Toivomme, että pystymme siten mahdollistamaan COVID-19:ään liittyviä läpimurtoja myös laajemmalle HPC-tutkimusyhteisölle. Näillä toimenpiteillä voimme kehittää hoitoja ja pelastaa kallisarvoisia ihmishenkiä.

Näihin hankkeisiin käytetään sekä julkisen että yksityisen sektorin rahoitusta ja ratkaisussa hyödynnetään niin kansainvälistä tutkijayhteisöä kuin keinoäly- ja supertietokoneasiantuntijoitakin. He tekevät monissa tapauksissa yhteistyötä jakaakseen dataa, auttaakseen toisiaan ja taistellakseen yhdessä virusta vastaan.

Keinoälyä ja koneoppimista hyödyntämällä mallinnuksista ja simulaatioista saadaan entistäkin tarkempia. Siksi HPE tukee ympäri maailmaa sijaitsevia tutkimuskeskuksia, jotka käyttävät HPC- ja keinoälyratkaisujamme. Hewlett Packard Enterprise ja koko HPC-ala tukevat tutkijoita nopeuttaakseen ratkaisun löytämistä maailmanlaajuiseen kriisiin.

HPE tukee ylpeästi näitä hankkeita omilla HPE HPC -järjestelmillään ja asiantuntijuudellaan. Esimerkiksi amerikkalaiset Argonne National Laboratory (ANL) ja Lawrence Livermore National Laboratory (LLNL) sekä ranskalainen Centre national de la recherche scientifique (CNRS) käyttävät HPC- ja keinoälyteknologiaa nopeuttaakseen rokote- ja lääketutkimustaan.

Jokainen tutkijatiimi lisää keinoäly- ja koneoppimisratkaisut erillisenä kerroksena mallinnuksiin ja simulaatioihin, jotta ne olisivat mahdollisimman tarkkoja ja ennustettavia. Voisi siis sanoa, että keinoäly ja analytiikka ovat parhaillaan yhdistymässä mallinnuksen ja simuloimiseen entistä saumattomammin. Nämä toiminnot nopeuttavat uusien vasta-aineiden – eli toksiineja ja muita vieraita aineita vastaan taistelevien veriproteiinien – löytämistä ja kartoittavat mahdollisia lääkevaihtoehtoja jo olemassa olevasta datasta. Tutkijat voivat siten testata mahdollisia vastatoimia virukselle, jotka voidaan kehittää eteenpäin lääkkeiksi.

Argonnen tutkijat hyödyntävät keinoälypohjaista mallinnusta ja simulaatiota nopeuttaakseen merkittävästi lääkkeen kehittämistä

Yhdysvaltain energiaministeriön Argonne National Laboratoryn tutkijat pyrkivät vauhdittamaan tuntuvasti lääkkeen kehitysprosessia. Tavoitteena on, että ratkaisu löytyisi muutaman vuoden sijaan jo muutamassa kuukaudessa.

Tutkijat käyttävät HPE:n ylläpitämää Theta-supertietokonetta, joka sijaitsee Argonne Leadership Computingin Facilityn tiloissa. He hyödyntävät keinoälyä ja koneoppimista kiihdyttääkseen miljardeista pienistä molekyyleistä koostuvaa simulaatiota. Datana käytetään julkisesti saatavilla olevaa tietokantaa mahdollisista lääkekandidaateista. Tavoitteena on luoda mahdollisimman tarkkoja ennusteita siitä, kuinka mahdollisten lääkeaineiden molekyylit reagoivat toistensa kanssa ja sitovat virusproteiineja. Jos sitominen onnistuu, näitä potentiaalisia lääkeaineita voidaan testata entistä pidemmälle – ja jos kaikki täsmää – hyödyntää lopulta rokotteessa.

Hyödynnämme keinoälyä ja koneoppimista käydäksemme läpi mahdollisia lääkeaineita lukuisille eri virusproteiineille, jotta meillä olisi paremmat todennäköisyydet löytää lääke virukseen.

Arvind Ramanathan työskentelee tietokoneavusteisen biologian parissa HPE:n kanssa yhteistyötä tekevän Argonnen Data Science and Learning -osastolla. Hän kuvailee mahdollisuutta näin:

– Viruksesta olisi syytä ymmärtää se, ettei kyseessä ole todennäköisesti vain yksi proteiini. Meidän täytyy siis käsitellä kaikkia virusproteiineja yhtenä kokonaisuutena. Hyödynnämme keinoälyä ja koneoppimista käydäksemme läpi mahdollisia lääkeaineita lukuisille eri virusproteiineille, jotta meillä olisi paremmat todennäköisyydet löytää lääke virukseen.

Lawrence Livermore National Laboratory käytti ennennäkemätöntä keinoälyyn pohjautuvaa mallinnusalustaa löytääkseen 20 alustavaa vasta-ainetta 1 040 vaihtoehdon joukosta

Olemme äärimmäisen ylpeitä, että LLNL onnistui rajaamaan 20 mahdollista vasta-ainetta 1 040 vaihtoehdon joukosta. Vielä vaikuttavampaa on, että suuri saavutus saatiin aikaan vain muutamassa viikossa, vaikka vastaava prosessi kestää tyypillisesti vuosien ajan.

Lawrence Livermore National Laboratoryn COVID-19-tutkimusryhmään kuuluu eri alojen kokeneita tutkijoita, jotka ovat perehtyneet muun muassa rokotteiden ja vasta-aineiden kehittämiseen. He hyödynsivät LLNL:n Catalystia, joka on HPE:n toimittama HPC-pohjainen klusteri. LLNL käytti täysin uudenlaista mallinnuspohjaa parantamaan ennusteita ja nopeuttamaan lääkkeen löytämistä. Alustaan sulautetaan tärkeitä komponentteja, kuten kokeilujen tuloksia ja rakenteellista biologista dataa. Näistä luodaan bioinformaatiomalleja, molekyylisimulaatioita ja koneoppimisalgoritmeja.

Kokeellinen data ja rakenteellinen bioinformaatio ovat tärkeitä komponentteja laadukkaiden ennusteiden toteuttamisessa, mutta koneoppimisen ja molekyylisimulaatioiden integroiminen HPC-ratkaisulla ovat olleet avainasemassa nopeuden ja skaalautuvuuden varmistamisessa. Sitä vaaditaan, jotta voimme arvioida valtavan määrän erilaisia vasta-ainemalleja.

– Kehitysvaiheessa lähestymistapamme on suunnitella laadukkaita vasta-aineita ja rokotteita äärimmäisen nopealla aikataululla tilanteessa, jossa monivaiheinen ja hidas tutkimus ei ole vaihtoehto. Kokeellinen data ja rakenteellinen bioinformaatio ovat tärkeitä komponentteja laadukkaiden ennusteiden toteuttamisessa, mutta koneoppimisen ja molekyylisimulaatioiden integroiminen HPC-ratkaisulla ovat olleet avainasemassa nopeuden ja skaalautuvuuden varmistamisessa. Sitä vaaditaan, jotta voimme arvioida valtavan määrän erilaisia vasta-ainemalleja, kertoo tohtori Daniel Faissol, datatieteilijä Lawrence Livermore National Laboratorysta.

CNRS ja GENCI tarjoavat nopeamman lähestymistavan molekyylidynamiikan simulaatioihin

Myös Ranskan HPC-keskuksista vastaava Grand équipement national de calcul intensif  (GENCI) ja  Centre national de la recherche scientifique (CNRS) ovat valjastaneet Jean Zay -supertietokoneensa työstämään convergent modelingia, simulointia sekä keinoäly- ja koneoppimisprosesseja avustaakseen tutkimuskeskuksia, jotka pyrkivät löytämään vasta-aineita. GENCIn Jean Zay on HPE:n suunnittelema supertietokone, joka luotiin suorana vastauksena presidentti Emmanuel Macronin merkittävälle keinoälyaloitteelle. Tavoitteena oli vauhdittaa ranskalaista keinoälyn tukimus- ja kehitystyötä uudella supertietokoneella.

GENCIn Jean Zay -supertietokonetta käyttää tohtori Jean Philip Piquemalin johtama tutkijaryhmä Pariisin Sorbonnen yliopistosta. Muiden ammattitaitoisten ja uutterien tutkijaryhmien tavoin he hyödyntävät ainutlaatuista ja innovatiivista lähestymistapaa ymmärtääkseen uutta viruskantaa ja kehittääkseen lääkettä siihen. Vaikka työ on vasta alkuvaiheessa, tohtori Piquemalin tutkimusryhmä käyttää uutta järjestelmää optimoidakseen Tinker-HP-sovellusta. Rinnakkaislaskentaan pohjautuvassa ratkaisussa hyödynnetään lukuisia näytönohjaimia, jotka on suunniteltu erityisesti suurten biologisten molekyylien simuloimiseen atomitasolla. Kehittyneiden molekyylidynamiikkamenetelmien avulla saadaan otettua huomioon monia kehon fysiikkaan liittyviä tekijöitä. Tinker-HP:n avulla tutkijat voivat suorittaa vaativia laskelmia, joita vaaditaan molekyylisten vuorovaikutusten nopeaan 3D-mallinnukseen korkealla resoluutiolla.

HPE:lle on kunnia auttaa myös kaikkein vaikeimpina aikoina

Olemme osa kansainvälistä yhteisöä, joka tekee äärimmäisen merkityksellistä työtä ja auttaa pelastamaan ihmisiä. Erityisesti tällaisena hädän hetkenä olen äärettömän ylpeä näistä panostuksista.

Me HPE:llä olemme sitoutuneet kehittämään tapaamme elää ja työskennellä. HPC:n ja keinoälyn johtajana näemme, kuinka paljon voimme vaikuttaa asioihin soveltamalla mallinnusta, simulaatioita, koneoppimista ja analyyttisia ratkaisuja laajaa dataa vaativiin tehtäviin. Sen avulla moni keksintö syntyy selvästi nopeammin kuin aiemmin olisi osattu edes kuvitella. Tuomme teknologiat saataville ja asetamme uuden riman nopeudelle, suorituskyvylle ja mittakaavalle. Toivomme, että pystymme siten mahdollistamaan COVID-19:ään liittyviä läpimurtoja myös laajemmalle HPC-tutkimusyhteisölle. Näillä toimenpiteillä voimme kehittää hoitoja ja pelastaa kallisarvoisia ihmishenkiä.

Laajennamme HPC-panostuksiamme COVID-19-tutkimukseen esimerkiksi tekemällä yhteistyötä Valkoisen talon kanssa osana COVID-19 High Performance Computing-ryhmittymää. Panostamme samaan aikaan myös muihin COVID-19-hankkeisiin, joihin voit tutustua HPE COVID-19-sivulla sekä HPE:n toimitusjohtaja Antonio Nerin kirjoittamasta blogista.

Kiitos kaikille. Muistakaa pitää huolta turvaetäisyyksistä ja pestä käsiänne!

 
TÄSSÄ ARTIKKELISSA
  • HPE avustaa tutkimusta nopeuttaakseen vasta-aineiden ja potentiaalisten lääkeaineiden löytämistä rokotteen kehittämistä varten.
  • Yhdysvaltain energiaministeriön Argonne National Laboratory, Lawrence Livermore National Laboratory ja GENCI käyttävät HPC:tä ja keinoälyä nopeuttaakseen molekyylidynaamisia simulaatioita ja parantaakseen niiden tarkkuutta.
 

Alkuperäinen teksti: https://www.hpe.com/us/en/newsroom/blog-post/2020/04/accelerating-vaccine-research-for-covid-19-with-high-performance-computing-and-artificial-intelligence.html


Relatert Lue seuraavaksi Relaterat Relateret Gerelateerd Related