阿尔法速:通过GPU加速的MSA构建实现高通量AlphaFold 3

科学领域:

• 计算生物学是一种计算生物学.
• 结构生物学是结构生物学.
• 生物信息学是一种生物信息学.

背景情况:

• 准确的生物分子建模对于生物研究至关重要.
• AlphaFold 3 (AF3) 提供了高质量的预测,但由于缓慢的多重序列对齐 (MSA) 产生而受到阻碍.
• 由于MSA的CPU-bound性质限制了AF3.3的速度和可扩展性.

研究的目的:

• 开发一种更快的MSA生成方法来克服AlphaFold 3的局限性.
• 为了减少AlphaFold 3的工作流中的计算瓶.
• 为了实现快速和经济有效的蛋白质结构预测.

主要方法:

• 将GPU加速的MMseqs2序列搜索集成到一个名为AlphaFast的下降框架中.
• 使用单个GPU进行MSA构建和端到端运行时分析.
• 在多个GPU上部署,用于高吞吐量结构预测.

主要成果:

• 在MSA建设中实现了68.5倍的加速度.
• 在单个GPU上减少了22.8x的端到端运行时间.
• 启用了每次输入8秒的结构预测,使用四个GPU保持精度.
• 证明了成本效益高的无服务器部署,每输入0.035美元.

结论:

• 在AlphaFold 3中,AlphaFast有效地消除了MSA瓶.
• 该框架为生物分子建模提供了可观的加速和成本降低.
• AlphaFast使精确的蛋白质结构预测更容易获得和更有效.