Động lực học phân tử mở rộng với NAMD
Tóm tắt
NAMD là một mã động lực học phân tử song song được thiết kế cho mô phỏng hiệu suất cao của các hệ thống sinh phân tử lớn. NAMD có khả năng mở rộng đến hàng trăm bộ xử lý trên các nền tảng song song hiệu năng cao, cũng như hàng chục bộ xử lý trên các cụm giá rẻ, và cũng có thể chạy trên máy tính để bàn và máy tính xách tay cá nhân. NAMD hoạt động với các hàm tiềm năng AMBER và CHARMM, các thông số và định dạng tệp. Bài viết này, dành cho cả người mới bắt đầu lẫn các chuyên gia, trước tiên giới thiệu các khái niệm và phương pháp được sử dụng trong chương trình NAMD, mô tả trường lực động lực học phân tử cổ điển, các phương trình chuyển động, và các phương pháp tích hợp cùng các thuật toán đánh giá điện động lực học hiệu quả được áp dụng và các biện pháp kiểm soát nhiệt độ và áp suất. Các tính năng để điều khiển mô phỏng vượt qua các rào cản và để tính toán các chênh lệch năng lượng tự do hóa học và hình thái được trình bày. Động lực cho và một lộ trình thiết kế nội bộ của NAMD, được triển khai bằng C++ và dựa trên các đối tượng song song Charm++, được tóm tắt. Các yếu tố ảnh hưởng đến hiệu suất tuần tự và song song của một mô phỏng được thảo luận. Cuối cùng, việc sử dụng NAMD điển hình được minh họa với các ứng dụng tiêu biểu cho một hệ thống sinh phân tử nhỏ, trung bình, và lớn, làm nổi bật các tính năng đặc biệt của NAMD, ví dụ, ngôn ngữ lập trình kịch bản Tcl. Bài viết cũng cung cấp danh sách các tính năng chính của NAMD và thảo luận về lợi ích của việc kết hợp NAMD với phần mềm đồ họa phân tử/phân tích chuỗi VMD và phần mềm điện toán lưới/collaboratory BioCoRE. NAMD được phân phối miễn phí kèm theo mã nguồn tại
Từ khóa
Tài liệu tham khảo
Hockney R. W., 1981, Computer Simulation Using Particles
Dahlquist G., 1974, Numerical Methods
Frenkel D., 2002, Understanding Molecular Simulation from Algorithms to Applications
Gear C. W., 1971, Numerical Initial Value Problems in Ordinary Differential Equations
Grubmüller H.Master's thesis Physik‐Dept. der Tech. Univ. Munich Germany 1989.
Bhandarkar M.;Brunner R.;Chipot C.;Dalke A.;Dixit S.;Grayson P.;Gullingsrud J.;Gursoy A.;Hardy D.;Humphrey W.;Hurwitz D.;Krawetz N.;Nelson M.;Phillips J.;Shinozaki A.;Zheng G.;Zhu F.NAMD user's guide version 2.5.http://www.ks.uiuc.edu/Research/namd/2.5/ug/ug.html.
Hoover W. G., 1991, Computational Statistical Mechanics
Izrailev S., 1998, Computational Molecular Dynamics: Challenges, Methods, Ideas, 39
Kuhn L. A., Protein Flexibility and Folding
J. Stone J. Gullingsrud P. Grayson K. Schulten J. F. Hughes C. H. Séquin 2001 ACM SIGGRAPH New York 191
Taylor R. M. II. VRPN: Virtual Reality Peripheral Network 1998.http://www.cs.unc.edu/Research/vrpn.
Dachille F.;Qin H.;Kaufman A.;El‐Sana J.In 1999 Symposium on Interactive 3D Graphics 1999 p.103.
Cohen J.;Grayson P.AutoIMD User's Guide 2003.http://www.ks.uiuc.edu/Research/vmd/plugins/autoimd.
Allen M. P., 1987, Computer Simulation of Liquids
Kalé L. V., 2002, LACSI 2002
Brunner R. K., 2000, Parallel and Distributed Computing for Symbolic and Irregular Applications, 167
Phillips J. C., 1998, Computational Molecular Dynamics: Challenges, Methods, Ideas, 472
Ousterhout J., 1994, Tcl and the Tk Toolkit
Kale L. V.;Zheng G.;Lee C. W.;Kumar S.InFuture Generation Computer Systems Special Issue on: Large‐Scale System Performance Modeling and Analysis;in press.
F. Petrini D. J. Kerbyson S. Pakin 2003 IEEE Press Piscataway NJ
J. Phillips G. Zheng S. Kumar L. Kale 2002 IEEE Press Piscataway NJ
Tajkhorshid E., 2005, Bacterial Ion Channels and Their Eukaryotic Homologues, 153
Ptashne M., 1992, A Genetic Switch
The RCSB Protein Data Bank.http://www.rcsb.org/pdb.
M. Bhandarkar G. Budescu W. Humphrey J. A. Izaguirre S. Izrailev L. V. Kalé D. Kosztin F. Molnar J. C. Phillips K. Schulten A. G. Bruzzone A. Uchrmacher E. H. Page 1999 SCS International San Francisco San Francisco CA 242