Estratégias de otimização e paralelização massiva do programa de atracamento molecular DockThor

• Ano de defesa: 2022
• Autor(a) principal: Leão, Aaron Bruno
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Laboratório Nacional de Computação Científica; Coordenação de Pós-Graduação e Aperfeiçoamento (COPGA); Brasil; LNCC; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Atracamento molecular; Molecular docking; Algorítmos genéticos; Bioinformática; DockThor (Programa de computador); CNPQ::CIENCIAS BIOLOGICAS::BIOLOGIA GERAL
• Link de acesso: https://tede.lncc.br/handle/tede/354

A metodologia de atracamento molecular é uma ferramenta importante no Desenho Racional de Fármacos, que visa encontrar o modo de ligação de uma pequena molécula com um receptor tanto quanto a sua afinidade de ligação. Esta técnica ajuda a diminuir o custo, tempo e quantidade de falhas no desenvolvimento de novos fármacos. O programa de atracamento molecular DockThor desenvolvido no Grupo de Modelagem Molecular de Sistemas Biológicos do LNCC, hospedado em <dockthor.lncc.br> e implantado no supercomputador Santos Dumont atende a comunidade cientifica nacional e internacional e o seu número de acessos cresce a cada ano. Embora apresente um desempenho competitivo com os programas estado-da-arte, o DockThor não é competitivo quanto ao tempo de execução o que dificulta e encarece a sua utilização em experimentos de triagem virtual contendo milhões de compostos. Desenvolvemos neste trabalho a adaptação da etapa do cálculo da grade de maneira que fosse utilizada de forma mais eficiente em dispositivos GPU. Esta melhoria possibilitou um aumento de desempenho expressivo (20 vezes), o que viabiliza computacionalmente a implementação de diversas estratégias de ensemble docking e composição de grades múltiplas. Também foram adaptadas as estruturas envolvidas nas etapas do algoritmo genético de múltiplos mínimos utilizando crowding fenotípico. Foi implementada uma versão do algoritmo steady-state com a mesma acurácia energética e desempenho de mais de 30% na evolução. Este resultado implica em um melhor desempenho em experimentos de triagem virtual. Visando a obtenção de desempenho computacional em arquiteturas tipo GPU, foi desenvolvido um novo algoritmo geracional que fosse capaz de realizar as etapas da evolução independentes e com a característica de serem paralelizadas individualmente. Esse novo algoritmo que também usufrui das estruturas coalescentes obteve um bom desempenho nas análises energéticas do conjunto teste e de predição da pose nativa de complexos receptor-ligante. Por fim foi projetado um novo algoritmo geracional em OpenCL (a partir do geracional produzido e testado) que realizasse todas as etapas da evolução em GPU, não havendo comunicação de dados com a CPU durante a evolução do algoritmo. Este último algoritmo conseguiu as acurácias energéticas do steady-state original e ainda obtendo um desempenho de 3,9 a 7,3 vezes mais rápido que o algoritmo original. Os resultados obtidos neste trabalho apontam para uma viabilização do uso do programa DockThor em triagens virtuais envolvendo milhões de compostos.