AlphaFold3やその派生モデルBoltz-1によるタンパク質-リガンド複合体構造予測において、 リガンドの立体化学（キラリティ、結合長、結合角）の再現性に問題があることが知られています。 本研究では、この問題を解決するための新しい手法「拘束誘導推論（restraint-guided inference）」を開発し、 キラリティの再現率を100%に到達させることに成功しました。 本研究の成果はACS Omega誌に掲載されました[1]。
研究室のHPCクラスター環境において、再現性の高い計算環境の構築とソフトウェア管理の効率化を目的とし、 NVIDIAが開発したenroot[1]/pyxis[2]によるコンテナ基盤の導入を行いました。 本記事では、導入の技術的背景、実装の詳細、そして運用上の課題についてまとめました。
NVIDIA. “enroot - A simple yet powerful tool to turn traditional container/OS images into unprivileged sandboxes.” GitHub. https://github.com/NVIDIA/enroot ↩
NVIDIA. “pyxis - Container plugin for Slurm Workload Manager.” GitHub. https://github.com/NVIDIA/pyxis ↩
こんにちは。計算創薬科学研究室（CDD Lab）の石谷です。 この度、研究室のウェブサイトにブログを開設することにしました。 このブログでは、研究室での日々の活動や研究の話題、学会参加報告など、様々な情報を発信していきたいと思います。