EEVS：重新利用废弃智能手机进行经济与生态药物分子的虚拟筛选

《IEEE Transactions on Sustainable Computing》：EEVS: Redeploying Discarded Smartphones for Economic and Ecological Drug Molecules Virtual Screening

虚拟筛选药物发现的基础，需大量计算资源。本研究提出EEVS框架，利用废弃智能手机进行虚拟筛选，成本仅为CPU的38.7%、GPU的26.9%和FPGA的11.9%，同时提升速度4.05倍，并引入PCS算法实现33.6%的加速。

　　

摘要：

虚拟筛选在药物发现的早期阶段发挥着不可或缺的作用，它利用高通量分子对接技术从庞大的数据库中寻找潜在的药物候选物。虚拟筛选需要大量的计算资源来分析大量的化合物。然而，对计算资源的巨大需求以及获取高性能硬件的挑战阻碍了药物发现的发展。本研究提出了EEVS（经济与生态虚拟筛选）这一创新框架，该框架利用废弃智能手机的计算能力来实现成本效益高且环保的虚拟筛选。在本研究中，使用16部废弃智能手机的EEVS将虚拟筛选的构建成本降低了38.7%、11.9%和26.9%（分别对应于使用CPU、GPU和FPGA的情况）。此外，EEVS在保持与CPU相似的功耗和对接准确性的同时，筛选速度提高了4.05倍。与GPU和FPGA相比，EEVS在筛选功耗方面具有4.93倍的优势，在筛选速度方面具有1.08倍的优势。我们进一步提出了PCSA算法，可在平衡各种散热要求的同时将EEVS的筛选速度提高最多33.6%。据我们所知，这是首个利用废弃智能手机来加速药物发现的虚拟筛选框架。

引言

药物发现一直是医学研究的前沿问题，通常需要超过十年的研究时间和超过100亿美元的资金[1]。虚拟筛选作为药物发现的初始步骤，致力于寻找候选化合物。在当代药物发现中，与高通量筛选（HTS）相比，虚拟筛选因其高效性、便利性以及对化合物类型的无限制而具有重要意义[2][3]。虚拟筛选涉及筛选大量的化合物库，以预测哪些分子可能与目标蛋白相互作用。用于预测分子与目标蛋白之间结合模式和活性的技术称为分子对接（MD）。MD利用高度精确的数学模型和算法来模拟药物分子如何与目标蛋白结合，从而提供关于候选药物分子潜在活性的见解[4][5][6][7]。然而，模型和算法的精确度以及药物-蛋白结合模式的多样性导致了虚拟筛选计算过程的耗时较长，需要大量的计算资源。为了加速虚拟筛选，一些研究人员正在努力优化对接算法或开发更高效的计算方法[8][9][10]。