Vina-GPU 20：グラフィックス処理ユニットを使用したオートドックヴィナとその誘導体をさらに加速する

現代の創薬は通常、さまざまな実際のシーンを満たしたり、仮想画面の精度を改善するために複数のドッキングツールが関係している巨大なコンパウンドデータベースから大きな仮想画面に直面しています。これらのツールの中で、Autodock Vinaとその多数の誘導体が最も人気があり、現代の創薬における分子ドッキングの標準的なパイプラインになりました。最近のVina-GPUメソッドは、1つの仮想スクリーニングケースでNVIDIA RTX 3090 GPUの一部でAutoDock Vinaに対する14倍の加速を実現しました。Autodock Vinaとグラフィックプロセシングユニット（GPU）を使用したその導関数のさらなるスピードアップは、ユーザーにとって高特性コストの比率と簡単な動作により、大規模な仮想画面での普及を体系的にプッシュするのに有益です。したがって、GPUを使用して、新しいドッキングアルゴリズム（QuickVina 2およびQuickVina-W）を使用して、AutoDock Vinaと最も一般的な導関数をさらに加速するためのVina-GPU 2.0メソッドを提案しました。ドッキングアルゴリズムの矛盾によって引き起こされたVina-GPU 2.0は、さまざまなGPU加速戦略を採用しています。ドラッグバンクデータベースからの2つのホットプロテインキナーゼターゲット、RIPK1とRIPK3の仮想スクリーニングでは、当社のVina-GPU 2.0は、元のAutodock Vina、QuickVina 2に対する平均65.6倍、1.4倍、3.6倍のドッキング加速に達します。、およびQuickVina-Wは、同等のドッキングの正確性を確保します。さらに、便利な使用のためのフレンドリーでインストールのないグラフィカルユーザーインターフェイスツールを開発します。Vina-GPU 2.0のコードとツールは、明示的な指示と例と組み合わせたhttps://github.com/deltagroupnjupt/vina-gpu-2.0で無料で入手できます。

Modern drug discovery typically faces large virtual screens from huge compound databases where multiple docking tools are involved for meeting various real scenes or improving the precision of virtual screens. Among these tools, AutoDock Vina and its numerous derivatives are the most popular and have become the standard pipeline for molecular docking in modern drug discovery. Our recent Vina-GPU method realized 14-fold acceleration against AutoDock Vina on a piece of NVIDIA RTX 3090 GPU in one virtual screening case. Further speedup of AutoDock Vina and its derivatives with graphics processing units (GPUs) is beneficial to systematically push their popularization in large-scale virtual screens due to their high benefit-cost ratio and easy operation for users. Thus, we proposed the Vina-GPU 2.0 method to further accelerate AutoDock Vina and the most common derivatives with new docking algorithms (QuickVina 2 and QuickVina-W) with GPUs. Caused by the discrepancy in their docking algorithms, our Vina-GPU 2.0 adopts different GPU acceleration strategies. In virtual screening for two hot protein kinase targets, RIPK1 and RIPK3, from the DrugBank database, our Vina-GPU 2.0 reaches an average of 65.6-fold, 1.4-fold, and 3.6-fold docking acceleration against the original AutoDock Vina, QuickVina 2, and QuickVina-W while ensuring their comparable docking accuracy. In addition, we develop a friendly and installation-free graphical user interface tool for their convenient usage. The codes and tools of Vina-GPU 2.0 are freely available at https://github.com/DeltaGroupNJUPT/Vina-GPU-2.0, coupled with explicit instructions and examples.