研究人员已经开始采用 MASSIVE 运算引擎来对抗出现抗生素抗药性的超级细菌,这里要特别介绍的是澳洲的高效能资料处理运算设施 Multi-modal Australian ScienceS Imaging and Visualisation Environment。

该系统采用低温电子显微镜(cryo-electron microscopy,CryoEM)架构,让研究人员能以超高分辨率来分析分子的外形和形状。CryoEM 呈现出如此细腻的画面,创造出「分辨率革命」一词,而这套系统的发明者在2017年荣获诺贝尔化学奖。

澳洲蒙纳许大学的 Dr. Matt Belousoff 及其同僚致力于利用这项技术,创造出能对抗超级细菌的超级药物。即便细菌的核糖体(活体细胞内合成生物蛋白质的地方)出现结构性变化,他们依旧着眼于设计能杀死细菌的新药物。

CryoEM 的分析流程包括从医院取得具抗生素抗药性的金黄葡萄球菌,并从中分离出核糖体纯制剂,拍摄约五十万张高分辨率影像,接着将这些充满噪点的影像变成 3D 立体电子密度图,制作出供研究团队使用的分子模型。

将这些低分辨率的 2D 平面影像处理成高分辨率 3D 立体模型,得用到庞大繁复的运算作业,使用桌上型计算机来处理的话,要花上数个月的时间,而 MASSIVE 资料运算处理引擎只要几天便能完成。

「得知哪些作用会导致核糖体结合位点上出现抗药性突变,有助于我们日后重新设计结合位点。」Belousoff 说。

MASSIVE 高效能运算能力

蒙纳许大学、澳洲联邦科学与工业研究组织、澳洲核子科学和科技组织、伍伦贡大学,以及 ARC 综合脑功能卓越中心与 ARC 先进分子成像卓越中心这两个附属机构,共同协力成立 MASSIVE 计划。

除了 CryoEM,MASSIVE 计划还用于深入研究多种成像模式,包括同步辐射 X 光和红外线成像、功能性和结构性磁共振成像、X 光电脑断层扫描、电子显微镜及光学显微镜。

MASSIVE 计划串连澳洲蒙纳许大学和伍伦贡大学四具新一代的 CryoEM 显微镜,产生出高分辨率影像及海量资料,加上处理分析方面的难题。

研究人员使用设施内 M3 计算机的高效能资料处理能力,以求解决这些问题。M3 计算机可为满足快速读写和储存大量资料等核心资料处理与视觉化的要求。

搭载162个 NVIDIA Tesla V100、P100 及 K80 GPU 加速器和两台 NVIDIA DGX-1 人工智能超级计算机的 M3,用于进行快速渲染和远端视觉化的作业,解决各种资料处理和模拟方面的问题。

MASSIVE 的许多使用者都刚接触高效能运算领域,但在 NVIDIA GPU 的助力下,使用者可以透过有着丰富应用程序的强大远端桌面环境,轻松处理资料。

「我们直接将 M3 计算机与澳洲的多具 CryoEM 显微镜进行整合,让生物学家能够运用 MASSIVE 的运算能力,刚接触高效能运算领域的研究人员也能轻松使用这些功能。」蒙纳许大学数位研究中心副主任 Dr. Wojtek James Goscinski 说。

获得更多,做得更多

MASSIVE 为全球规模最大的 CryoEM HPC 使用者社群之一,有超过25个研究小组和超过百名使用者。约千名研究人员的十个小组使用 DGX-1 在支持着 M3 计算机。

与传统方法相比,该系统使用 DGX-1 后提高了 CryoEM 的效能。DGX-1 搭载八具采用混合式立方网状网络拓扑(Hybrid Cube Mesh Topology)配置结构的 NVIDIA Tesla V100 Tensor Core GPU,并且藉由 NVIDIA NVLink 技术以超高速、低延迟的方式在 GPU 间传递资料,成为提供 MASSIVE 所需效能的关键。

排程器在档案系统上,且与高效能运算环境及大学的研究网络进行整合,代表那些使用 CryoEM 显微镜上生成资料的人离 DGX-1 仅一步之遥。

结果让人刮目相看,在 DGX-1 上执行某些任务的速度比使用旧款硬件的速度要快上二十倍。「DGX-1 产生出极佳结果,让我们的研究可以更进一步。」Goscinski 说。

除了 CryoEM,DGX-1 超级计算机还用于机器学习及深度学习。Goscinski 表示这些技术在过去三年里的总工作量,从不到 10% 成长到约 30%。

图片提供:蒙纳许大学 CryoEM(ThermoFischer Titan Krios)。