Data Flow

1. 결과 화합물 리스트 Storage Element AMGA 기술 개발 당뇨병 신약후보물질탐색 데이터챌린지 WISDOM Production Environment 개선 DrugScreener-G 단백질 도킹 소프트웨어 그리드 사이트 1 모니터링 통계자료 파라미터 설정 목표 단백질 구조 탐색 화합물 선택 Computing Element 사용자 인터페이스 그리드 사이트 2 Computing Element 화합물 데이터베이스 Storage Element 단백질 도킹 소프트웨어 결과 대규모 가상 신약 물질 탐색 e-Science 환경 구축 Data Flow 그리드 컴퓨팅을 이용한 대규모 가상 신약 물질 탐색 • 대규모 단백질-화합물 도킹 계산을 이용한 대규모 가상 신약 물질 탐색 • 단백질-화합물 도킹 계산  화합물(Compound)이 목표 단백질에 어떻게 결합하여 단백질의 활성을 억제할 수 있는지 컴퓨터 계산을 통해 예측 • 신약 후보 물질 데이터베이스에 축적된 대량의 화합물 정보를 모두 이용한 신약 물질 탐색은 매우 유용하나 계산량이 막대함. • EGEE등의 그리드 인프라를 이용하여 대규모 대용량 처리 계산(High-throughput Computation)을 할 경우 계산 시간과 비용을 획기적으로 단축할 수 있음. • DrugScreener-G • 그리드 컴퓨팅을 이용한 대규모 가상 신약 물질 탐색을 일반 사용자들도 쉽게 사용할 수 있도록 하는 e-Science 통합 환경 • EGEE 그리드 인프라를 이용한 대용량 가상 신약 물질 탐색 실험 수행 • 목표 단백질 : 인간 아밀라아제 억제제 (3차원 단백질 모델은 Protein DataBase의 refined 1u2y모델) • 308310개의화합물 정보를 이용. • 결과 • 총 38 CPU years 상당의 계산 수행, 23.5 GB의 데이터 생성 (2008년 8월, 2.4일 동안 수행) • 이전 데이터챌린지와의 수행 성능 비교 • AMGA (EGEE 공식 메타데이터 서비스) - 그리드 상에 분산되여 저장된 파일에 대한 메타데이터 서비스 제공 (gLite 미들웨어에 포함되어 있음) • 공동개발 : CERN(스위스),INFN(이탈리아),KISTI(한국) • AMGA 2.0 (KISTI 주도 개발) • OGF표준 WS-DAIR,SQL 지원 • Threaded MPM 모델 지원 • DB 연결 풀링 지원 • 가상 스크리닝을 위한 • Large-Scale 작업 지원 • 목표 • 효율적인 작업 배포 • 높은 동시 처리량 • 주요 개선 사항 • Task pull model 적용 • 입력 및 결과파일의 저장매체로서 AMGA를 활용 • 효율적인 RB와 CE를 선택하기 위한 동적 학습 모듈 구현 • WN로부터 직접 모니터링 정보를 수집 Laboratoire de Physique Corpusculaire de Clermont-Ferrand/CNRS/IN2P3 European Organization for Nuclear Research