Actualidad informática

Las proteínas realizan la mayor parte del trabajo de la célula, catalizan la mayoría de las reacciones bioquímicas, inician y median las señales eléctricas en las neuronas y constituyen una parte importante de la estructura de nuestro cuerpo. Formadas por hasta varios miles de aminoácidos (de un conjunto de 20 tipos diferentes)  encadenados entre ellos, las proteínas se pliegan bajo el efecto de fuerzas no covalentes entre diferentes partes de la molécula en formas con significado funcional; formas que no son estáticas, que cambian constantemente, al azar y también reaccionan a la influencia externa. Estos cambios conformacionales tienen un impacto en su función, lo que permite que las proteínas interactúen entre sí o con otras moléculas de señalización (hormonas, medicamentos …). El mal plegamiento de proteínas o modificaciones de los cambios conformacionales conducen a enfermedades, incluyendo la enfermedad de Alzheimer y Parkinson, y mucho dinero y esfuerzo se está poniendo en la comprensión de las estructuras de proteínas, caminos de plegado e interacciones con otras moléculas.

Varias herramientas experimentales se utilizan para estudiar la conformación de proteínas, pero todos están limitadas en su resolución espacial y temporal. En efecto, la más poderosa entre ellas, difracción de rayos X, sólo proporciona una instantánea de la estructura de las proteínas. Si queremos estudiar la dinámica de proteínas (como la conformación de una molécula cambia con el tiempo), entonces la simulación por ordenador ofrece una buena alternativa. Una simulación exacta requiere resolver las ecuaciones de la mecánica cuántica para moléculas grandes, pero esto es computacionalmente demasiado complicado para ser práctico. La dinámica molecular (MD) simula cada átomo de la molécula como evoluciona siguiendo las reglas de la mecánica clásica y campos de fuerza semi-empíricos. Las simulaciones MD se han utilizado desde mediados de los setenta para entender los procesos bioquímicos, y actualmente representan la mayor parte del tiempo  asignado a ordenadores destinados a la investigación biomédica en los centros de supercómputo de la Fundación Nacional para la Ciencia, EE.UU..

A pesar de su popularidad, las simulaciones MD son computacionalmente costosas. La necesidad de captar las vibraciones de átomos rápidos requiere de pasos de cálculo de unos pocos femtosegundos, y cada paso involucra uno mil millones de operaciones para una molécula de cien mil átomos. Para simular un milisegundo en la vida de una única molécula de proteína se necesitan alrededor de mil millones de pasos y un sextillón (10 ^ 21) de operaciones. Como resultado, incluso utilizando los superordenadores más potentes disponibles, la mayoría de las simulaciones MD sólo estudian los procesos en tiempos de nanosegundos o microsegundos. Se necesitaría un tiempo excesivamente largo de supercomputadora para llegar a las escalas de tiempo de milisegundos en el que tienen lugar muchos cambios conformacionales de proteínas y sus interacciones. En un. Documento reciente  Ron O. Dror y sus colegas de  D. E. Shaw Research muestran estudios recientes que están superando este problema.

Una solución, el cálculo de las diferentes partes de la molécula en paralelo, ha demostrado ser particularmente difícil. Las innovaciones recientes en los algoritmos paralelos han mejorado parcialmente la situación, permitiendo agrupaciones de superordenadores para calcular en el plazo de tiempo de microsegundos. De hecho, en algunos problemas, parte de la simulación puede ser dividida en muchas trayectorias separadas cortas que se pueden ejecutar en paralelo en cientos de miles de ordenadores personales. Este es el proyecto Folding@Home, que permite a cualquier persona con un ordenador (o incluso una PlayStation moderna) y conexión a internet la oportunidad de donar tiempo de simulación y colaborar con la investigación científica. Más de cien estudios publicados se han producido gracias a esta iniciativa.

Los mayores avances en la optimización de simulación MD se han confeccionado siguiendo esa ruta de adaptar nuestras herramientas para la tarea. Esta es una solución bien conocida en ingeniería y en biología. Por ejemplo, los ojos se adaptan a las escenas que puedan ver, haciéndolos más eficientes, y los oídos a los sonidos que puedan escuchar. En la ingeniería del ordenador, las unidades de procesamiento gráfico (GPU) fueron diseñadas para operaciones con gráficos y en esa tarea es que superan a los procesadores generales mucho más potentes. Son particularmente un buen ejemplo del hecho de que el hardware de propósito integrado puede conducir a la computación más eficiente de problemas particulares.

La investigación  de D. E. Shaw seguido esta idea en el diseño de una máquina específicamente diseñada para simulación MD, llamada Anton. Sus chips,  contienen un «conjunto de unidades aritméticas de lógica cableada para el cálculo de las interacciones de partículas», están conectados entre ellos de una manera que evita el uso de la gestión de memoria que es computacionalmente cara. Anton lleva a cabo todas sus operaciones en circuitos construidos para tal fin, a diferencia de proyectos anteriores (FASTRUN, Motor MD, MDGRAPE), donde sólo las partes más costosas computacionalmente de la simulación fueron optimizados. Gracias a esta arquitectura especial, Anton puede realizar 20 microsegundos de una simulación MD de todos los átomos por día, alrededor de 100 veces más rápido que cualquier otra alternativa.

En su opinión, los desarrolladores de Anton sugiern problemas que son susceptibles de beneficiarse de los avances en este campo. Mejores simulaciones MD ayudarán en el desarrollo de fármacos, mediante la producción de predicciones más precisas de la eficacia con que se unen a las proteínas, y en el diseño de proteínas para ser utilizadas como biosensores para el cáncer o anticuerpos. Además, el estudio de la dinámica de otras moléculas grandes tales como ARN y ADN también se beneficiarán de la construcción de ordenadores especiales.

Fuente: Exceptional problems demand exceptional computers en Mapping Ignorance.