一个生鸡蛋的实验,原来为了更好诠释E-HPC的并行计算环境

简介: 9月12日,在北京,阿里云异构与高性能计算媒体沟通会智能进化主题上。记者问,生鸡蛋这个实验是之前谁做的,是那位窦非教授做的么?之前用了多少时间,在云上用了多少时间。

对记者的问题,阿里云高性能计算技术专家何万青回答如下:
Gromacs计算演示的,是使用来自欧盟,瑞典多家科研机构开发的开源分子动力学软件http://www.gromacs.org/ 内使用Gromacs的学者公开的一个算例,就是用链亲和素和生物素相结合的研究拿到的一个公开的演示;在https://zh.wikipedia.org/wiki/%E9%93%BE%E4%BA%B2%E5%92%8C%E7%B4%A0上,有以下介绍:
【链亲和素(英语:Streptavidin,亦称为链霉亲和素)是从细菌阿维丁链霉菌中纯化出的一种60kDa的蛋白质。链亲和素同源四聚体对生物素(即维生素B7)具有极高的亲和力。生物素与链亲和素的结合是已知自然界中最强的非共价相互作用之一。】

我们演示这个计算,是为了表示通过E-HPC,学者和科研工作者,是如何在任何一个地点登录阿里云E-HPC,创建集群并进行科研的快捷,弹性,以及云产品互通后,用可视化方法开展研究的便捷性。为了能让普通大众理解这个难懂的“链亲和素和生物素相结合”的例子,我们咨询了北京师范大学窦非教授,他是生物学专家也是科普,中国青少年科技创新大赛的常年评委,他给了一个易于理解的解释:

看过demo后,他表示,这个链亲和素和生物素结合的研究,和食用生鸡蛋后产生的现象极为相似,可以做同样科学解释,并加以科普化描述:

“以下是对Streptavidin-Biotin的科普性说明:【为什么不宜食用生鸡蛋】
生鸡蛋清中含有一种叫抗生物素的物质-这种物质称为亲和素,是一种蛋白质,这种物质防碍人体对鸡蛋黄等食物中所含的生物素(Biotin)的吸收 – 因为两者会极快结合形成非常稳定的复合物。生物素与亲和素间的作用是目前已知强度最高的非共价作用,比抗原与抗体间的亲和力至少高1万倍。生物素在脂肪合成、糖质新生等生化反应途径中扮演重要角色。生物素缺乏会导致毛发脱落、体重减轻、皮炎等。鸡蛋煮熟后既可将鸡蛋内外的细菌杀灭,又能破坏亲和素,所以鸡蛋不宜生吃,生吃鸡蛋危害身体健康。
链霉亲和素(streptavidin,SA)是由链霉菌streptomyces avidinii分泌的一种蛋白质,和鸡蛋里的亲和素高度相似。这个分子动力学计算,就模拟了链霉亲和素与生物素结合形成的晶体结构,也就是蛋白质和生物素的作用过程 – 解释了亲和素与生物素的超强结合力。
另一方面,在分子生物学实验中,利用Streptavidin亲和素和Biotin生物素两者极易结合的特性,制药厂会生产Biotin生物素试剂,作为易于检测的小分子标签,来标定实验中的大分子亲和素蛋白质。大家可以在网上搜索,购买到这类“生物素标定试剂”。”

至于说运算速度比较,因为我们不是为了展示绝对速度,并没有测试 - 不过我们测试了1核4线程和8核32线程的速度对比,以展示E-HPC的并行计算环境。

目录
相关文章
|
人工智能 弹性计算 并行计算
单GPU运行数千环境、800万步模拟只需3秒,斯坦福开发超强游戏引擎
单GPU运行数千环境、800万步模拟只需3秒,斯坦福开发超强游戏引擎
477 2
|
机器学习/深度学习
受限玻尔兹曼机|机器学习推导系列(二十五)
受限玻尔兹曼机|机器学习推导系列(二十五)
786 0
受限玻尔兹曼机|机器学习推导系列(二十五)
|
Web App开发 调度 Windows
开源代码分享(8)—大规模电动汽车时空耦合双层优化调度(附matlab代码)
本文研究了发电机、电动汽车和风能的协同优化调度问题。提出了一种新颖的双层优化方法,用于解决在风能存在的情况下,电动汽车充放电负荷在时间和空间领域的调度问题。在输电系统中,上层优化协调了电动汽车、热发电机和基本负荷,考虑了风能因素,优化了电动汽车在时间域内的负荷时段。在配电系统中,下层优化则对电动汽车负荷的位置进行空间调度。通过对一个拥有10台发电机的输电网和一个IEEE 33节点的配电网的电力系统基准进行评估,评估了提出的双层优化策略的性能。分析了电价曲线、电动汽车普及率以及电动汽车负荷位置等因素的影响。
|
安全 新能源 调度
V2G模式下含分布式能源网优化运行研究(Matlab代码实现)
V2G模式下含分布式能源网优化运行研究(Matlab代码实现)
101 0
|
机器学习/深度学习 分布式计算 并行计算
单机超越分布式?!强化学习新姿势,并行环境模拟器EnvPool实现速度成本双赢
单机超越分布式?!强化学习新姿势,并行环境模拟器EnvPool实现速度成本双赢
313 0
|
机器学习/深度学习 人工智能 自然语言处理
VLDB 2023 | 北大河图发布分布式训练神器Galvatron, 一键实现大模型高效自动并行(2)
VLDB 2023 | 北大河图发布分布式训练神器Galvatron, 一键实现大模型高效自动并行
312 0
|
存储 人工智能 自然语言处理
VLDB 2023 | 北大河图发布分布式训练神器Galvatron, 一键实现大模型高效自动并行(1)
VLDB 2023 | 北大河图发布分布式训练神器Galvatron, 一键实现大模型高效自动并行
235 0
|
机器学习/深度学习 算法 搜索推荐
亚马逊团队使用受物理启发的图神经网络,解决组合优化等问题
亚马逊团队使用受物理启发的图神经网络,解决组合优化等问题
204 0
产业集群理论及其生态学特性
产业集群理论及其生态学特性
257 0
产业集群理论及其生态学特性