生信雲實證Vol.12：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

2022 年 9 月 13 日
筆記

LeDock是蘇黎世大學Zhao HongTao在博士期間開發的一款分子對接軟體，專為快速準確地將小分子靈活對接到蛋白質而設計。LeDock優於大部分商業軟體，在Astex多樣性集合上實現了大於90％的構象預測準確度，對接時間最快僅需三秒。
LeDock同時支援Windows、Linux和MacOS三大作業系統。

Linux版支援大規模虛擬篩選，需要通過程式碼操作才能實現目標。

Windows版的圖形介面極大簡化了藥物化學家常見多重複雜的對接過程，但每次任務只能對接一個分子，效率極低，只適用於少量對接場景。

如果考慮到不少用戶還有分子庫相關的需求，無論哪種版本，對用戶來說，都有點難搞。
今天我們就通過一個LeDock實證來聊聊，怎麼幫助大家愉快地（不寫程式碼）提高大規模分子對接效率（少點手動），甚至還能解決一些別的問題（一些爽點），擴大實驗的空間和範圍，放飛研發人員的想像力。科研這件事，還是需要有點兒想像空間的。

用戶需求

某葯企藥物化合部想使用LeDock進行20萬分子對接任務，但本地只有兩台48核的工作站。

如果按Windows版的一對一串列對接模式，假設按1分鐘一個算吧，不吃不喝不睡不關機，也要對接138天。如果再加上中間出錯修改、參數配置、分子庫處理，無數次重複手動操作步驟，就，沒法算了。。。

如果用Linux版，這一時長就取決於兩個點：本地擁有的資源數量和IT能力的高低。

所以，他們有以下幾個問題：
1. 基於現實條件，怎麼快速達成用LeDock跑20萬分子對接任務這個目標？

2. 能不能使用更友好的圖形介面來進行操作？甚至把一些工作流程固定，下次直接就能用，還可以分享給同事？

3. 能不能幫忙準備分子庫？

實證目標

1、能否讓用戶擁有Windows版和Linux版的雙重優點，不用寫程式碼，也能實現大規模虛擬篩選？
2、LeDock任務能否在fastone雲平台大規模運行且效率顯著提升？

3、用戶很多常見複雜的手動操作，能不能自動化進行？

4、是否能為用戶提供開箱即用的分子庫？

實證參數

產品類型：

速石FCC-E產品

作業系統及應用：

LeDock Linux版

適用場景：

研究配體和受體（藥物分子）相互作用的模擬方法

雲端硬體配置：本任務屬於CPU密集型任務，對記憶體的需求不高，因此我們選擇了高性價比的雲端計算優化型實例（CPU/記憶體=1:2）。

用戶完整工作流程圖
用戶打開應用，提交蛋白質pdb文件，選擇分子庫文件和資源後，由fastone平台進行分子對接並打分，用戶可直接查看結果，提取目標分子，進行下一步化合物研究。

實證過程

一、開箱即用，一鍵定位&加密的分子庫

1. 開箱即用的分子庫

對接開始前，用戶除了蛋白質pdb文件，還需要準備分子庫文件。分子庫大多來自海外，其本身的大小和數據品質，直接影響著後續虛擬篩選階段的命中率。對用戶來說，需要將分子庫從外網下載到本地，有些數據量動輒幾十T，如果還涉及分子結構從2D轉換到3D等複雜處理，運算量相當大，要麼耗時間，要麼耗錢。

我們已經準備好開箱即用的分子庫供用戶使用，包括：Zinc、DrugBank、Maybridge、Enamine等。

因為LeDock僅支援mol2格式，fastone平台會在對接前，自動將sdf格式轉換成多分子mol2格式文件，同時完成拆分，使單個分子對應一個mol2文件。否則，直接把多分子mol2文件放進去對接，只會讀取第一個分子。

2. 一鍵定位&加密的分子庫索引系統

用戶篩選完分子後，還要在20萬個分子的原始庫里迅速定位並提取出來。這難度不亞於只知道書名但要在圖書館裡找書，茫茫書海，大海撈針。

我們的分子庫索引系統就派上了大用場。

這套索引和圖書館索引系統類似，將原始分子名字通過加密轉換成唯一ID， ID相當於GPS定位，表示該分子在原始庫里的具體位置。

比如，某分子的唯一ID為「A-G22-18578」，即表示他位於分子庫A區G22櫃的第18578個，可以輕鬆將分子提取出來。

這道索引系統相當於為原始分子庫做了一道數據加密和定位系統，除了用戶沒人知道最終提取出來的是哪些分子，既保護了數據的安全性，又讓用戶能迅速定位到某個分子。

二、雲端大規模業務驗證

200000個分子上雲

用戶使用fastone平台，在雲端調度768核計算資源，成功對接200000個分子，從中篩選出了300個分子，進行下一步的化合物研究。此次任務對接共耗時3.5小時，平均對接一個分子只需45S。

這裡要說明一下，這個45S不是純分子對接時間，是包括了用戶的整個工作流程所有操作在內的。而且，不同分子之間的對接時長是不一樣的，時間會被對接得慢的分子拉長，無法直接橫向對比。比如用戶在進行3萬分子對接的時候，平均時長卻達到了90S。

實證過程：

1. 雲端調度48核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時3262.6分鐘；

2. 雲端調度96核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時1630.8分鐘；

3. 雲端調度192核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時815.1分鐘；

4. 雲端調度384核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時407.2分鐘；

5. 雲端調度768核計算優化型實例運算一組LeDock任務（對接約200000個分子），耗時203.3分鐘。

從圖上可以看出，LeDock任務在雲端的線性擴展性表現良好，當雲端資源增加到768核之後，運算時間縮短到了3個多小時，極大地提升了運行效率。
即使當分子數量增加到2800萬這個量級，我們調用10萬核CPU資源，在AutoDock Vina這個應用上也同樣表現優秀，可參考《提速2920倍！用AutoDock Vina對接2800萬個分子》

三、自動，自動，全是自動

1. 單機模式VS並行化

我們把跑分子對接這個任務分成三種不同的IT難度等級：

沒有難度：單機單CPU核，單任務。

中等難度：單機多CPU核，多任務。

王者難度：多機多CPU核，多任務。
想要對三種難度等級深入了解，看這裡《揭秘20000個VCS任務背後的「搬桌子」系列故事》

如果按照「沒有難度」這個等級，200000個分子串列排隊，一個任務跑1分鐘，我們開頭已經算過了，基本沒什麼現實可操作性。

我們直接將你帶飛到「王者難度」，在n台n核的機器上跑，效率提升n*n倍，理論上n可以無限大。這個數字用戶可以自行設定。