> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-ru/nauka-i-issledovaniya/gromacs.md). # Молекулярная динамика GROMACS > **Молекулярно-динамические симуляции с ускорением на GPU — от сворачивания белков до поиска лекарств** GROMACS (GROningen MAchine for Chemical Simulations) — самый широко используемый в мире пакет для молекулярно-динамического моделирования. Изначально разработанный в Университете Гронингена, сейчас он поддерживается глобальным сообществом и является рабочей лошадкой вычислительной химии и структурной биологии в лабораториях по всему миру. Благодаря ускорению на GPU GROMACS может моделировать системы из миллионов атомов со скоростью, для которой на оборудовании только с CPU потребовались бы недели. Доступная аренда GPU от Clore.ai делает крупномасштабные MD-симуляции доступными для отдельных исследователей и небольших лабораторий. *** ## Что можно моделировать? * **Сворачивание и динамика белков** — наблюдайте конформационные изменения за наносекунды–микросекунды * **Связывание лекарств с белками** — рассчитывайте свободные энергии связывания для поиска лекарств * **Симуляции мембран** — липидные бислои, мембранные белки, транспорт ионов * **Взаимодействия белок-белок** — изучайте образование комплексов и динамику интерфейсов * **Наука о материалах** — полимеры, наночастицы, модели воды * **Расчёты свободной энергии** — алхимические преобразования, PME *** ## Предварительные требования * Аккаунт Clore.ai с арендой GPU * Базовые знания командной строки Linux * Файлы молекулярной системы (топология + координаты) или используйте примеры систем * Необязательно: GROMACS локально для визуализации (VMD, Pymol) *** ## Зачем использовать GROMACS с ускорением на GPU? GROMACS с выгрузкой вычислений на GPU обеспечивает значительное ускорение: | Размер системы | Только CPU (нс/день) | Одна A100 (нс/день) | Ускорение | | --------------- | -------------------- | ------------------- | --------- | | 25 тыс. атомов | \~50 | \~800 | \~16x | | 100 тыс. атомов | \~15 | \~400 | \~27x | | 500 тыс. атомов | \~3 | \~150 | \~50x | | 1 млн атомов | \~1 | \~80 | \~80x | {% hint style="success" %} **Ускорение на GPU наиболее полезно для крупных систем (>100K атомов).** Для небольших тестовых систем производительность CPU может быть сопоставимой из-за накладных расходов на передачу данных. {% endhint %} *** ## Шаг 1 — Арендуйте GPU на Clore.ai 1. Перейдите на [маркетплейсе clore.ai](https://clore.ai) → **Маркетплейс** 2. Фильтр по GPU: **A100, RTX 4090 или RTX 3090** рекомендуется 3. Для крупных систем (>500K атомов): выбирайте A100 40GB или 80GB 4. Для стандартных симуляций: RTX 4090 или RTX 3090 — отличный выбор по соотношению цены и производительности **Рекомендуемые характеристики:** * GPU: A100 40GB или RTX 4090 * CPU: 16+ ядер (GROMACS использует многоядерность для невалентных взаимодействий) * RAM: 32 ГБ+ * Диск: 50 ГБ+ (траектории могут быть большими) *** ## Шаг 2 — разверните контейнер GROMACS Используйте официальный HPC-образ GROMACS от NVIDIA — он оптимизирован для GPU NVIDIA с поддержкой CUDA: **Docker-образ:** ``` nvcr.io/hpc/gromacs:2023.2 ``` **Открытые порты:** ``` 22 ``` **Переменные среды:** ``` NVIDIA_VISIBLE_DEVICES=all NVIDIA_DRIVER_CAPABILITIES=compute,utility GMX_GPU_DD_COMMS=true GMX_GPU_PME_PP_COMMS=true GMX_FORCE_UPDATE_DEFAULT_GPU=true ``` {% hint style="info" %} **Переменные окружения NVIDIA для GROMACS:** * `GMX_GPU_DD_COMMS=true` — включает коммуникации разложения по доменам на GPU * `GMX_GPU_PME_PP_COMMS=true` — включает коммуникации PME-PP на GPU * `GMX_FORCE_UPDATE_DEFAULT_GPU=true` — принудительно выполняет обновление координат на GPU (значительное ускорение) {% endhint %} *** ## Шаг 3 — подключитесь и проверьте ```bash ssh root@ -p # Проверить версию GROMACS gmx --version # Проверить доступность GPU nvidia-smi # Убедиться, что GROMACS видит GPU gmx mdrun -h 2>&1 | grep -i gpu ``` Ожидаемый вывод от `gmx --version` должен показывать: ``` Версия GROMACS: 2023.2 Версия CUDA: 11.x или 12.x Поддержка GPU: CUDA ``` *** ## Шаг 4 — подготовьте вашу систему ### Использование примера системы (лизоцим в воде) Это классическая учебная система GROMACS — идеально подходит для проверки вашей настройки: ```bash # Создать рабочий каталог mkdir -p /workspace/lysozyme && cd /workspace/lysozyme # Скачать PDB-структуру лизоцима wget https://files.rcsb.org/download/1AKI.pdb -O 1AKI.pdb # Удалить молекулы воды из кристаллической структуры grep -v HOH 1AKI.pdb > 1AKI_clean.pdb # Сгенерировать топологию с использованием силового поля AMBER99SB gmx pdb2gmx \ -f 1AKI_clean.pdb \ -o processed.gro \ -water spce \ -ff amber99sb-ildn ``` Когда будет предложено выбрать силовое поле, выберите `amber99sb-ildn` (обычно вариант 6). *** ## Шаг 5 — создайте симуляционную ячейку ```bash # Определить симуляционную ячейку (додекаэдр, 1.0 нм от белка) gmx editconf \ -f processed.gro \ -o boxed.gro \ -c \ -d 1.0 \ -bt dodecahedron # Солватировать ячейку водой gmx solvate \ -cp boxed.gro \ -cs spc216.gro \ -o solvated.gro \ -p topol.top # Добавить ионы для нейтрализации заряда # Сначала создайте файл TPR для добавления ионов gmx grompp \ -f /usr/local/gromacs/share/gromacs/top/em.mdp \ -c solvated.gro \ -p topol.top \ -o ions.tpr # Добавить ионы Na+ и Cl- (0.15 М NaCl) gmx genion \ -s ions.tpr \ -o ionized.gro \ -p topol.top \ -pname NA \ -nname CL \ -neutral \ -conc 0.15 # Выберите группу 13 (SOL) при запросе ``` *** ## Шаг 6 — минимизация энергии ```bash # Создать MDP-файл для минимизации энергии cat > em.mdp << 'EOF' ; Параметры минимизации энергии integrator = steep ; Минимизация методом наискорейшего спуска emtol = 1000.0 ; Остановить, когда максимальная сила < 1000 кДж/моль/нм emstep = 0.01 ; Начальный размер шага nsteps = 50000 ; Максимальное число шагов минимизации nstlist = 1 cutoff-scheme = Verlet ns_type = grid coulombtype = PME rcoulomb = 1.0 rvdw = 1.0 pbc = xyz EOF # Подготовить TPR для минимизации энергии gmx grompp \ -f em.mdp \ -c ionized.gro \ -p topol.top \ -o em.tpr # Запустить минимизацию энергии на GPU gmx mdrun \ -v \ -deffnm em \ -gpu_id 0 \ -ntmpi 1 \ -ntomp 8 # Проверить, что энергия сошлась gmx energy -f em.edr -o em_potential.xvg # Выберите 10 (Potential), затем 0 для выхода ``` *** ## Шаг 7 — NVT-эквилибрация (температура) ```bash cat > nvt.mdp << 'EOF' ; NVT-эквилибрация define = -DPOSRES ; Ограничения по положениям integrator = md ; Интегратор leap-frog nsteps = 50000 ; 100 пс (шаг 2 фс) dt = 0.002 ; Шаг 2 фс nstxout = 500 nstvout = 500 nstenergy = 500 nstlog = 500 continuation = no constraint_algorithm = lincs constraints = h-bonds lincs_iter = 1 lincs_order = 4 cutoff-scheme = Verlet ns_type = grid nstlist = 10 rcoulomb = 1.0 rvdw = 1.0 DispCorr = EnerPres coulombtype = PME pme_order = 4 fourierspacing = 0.16 tcoupl = V-rescale tc-grps = Protein Non-Protein tau_t = 0.1 0.1 ref_t = 300 300 pcoupl = no pbc = xyz EOF gmx grompp \ -f nvt.mdp \ -c em.gro \ -r em.gro \ -p topol.top \ -o nvt.tpr gmx mdrun \ -deffnm nvt \ -gpu_id 0 \ -ntmpi 1 \ -ntomp 8 \ -nb gpu \ -bonded gpu \ -pme gpu \ -update gpu ``` *** ## Шаг 8 — NPT-эквилибрация (давление) ```bash cat > npt.mdp << 'EOF' ; NPT-эквилибрация define = -DPOSRES integrator = md nsteps = 50000 dt = 0.002 nstxout = 500 nstvout = 500 nstenergy = 500 nstlog = 500 continuation = yes constraint_algorithm = lincs constraints = h-bonds cutoff-scheme = Verlet ns_type = grid nstlist = 10 rcoulomb = 1.0 rvdw = 1.0 DispCorr = EnerPres coulombtype = PME tcoupl = V-rescale tc-grps = Protein Non-Protein tau_t = 0.1 0.1 ref_t = 300 300 pcoupl = Parrinello-Rahman pcoupltype = isotropic tau_p = 2.0 ref_p = 1.0 compressibility = 4.5e-5 refcoord_scaling = com pbc = xyz EOF gmx grompp \ -f npt.mdp \ -c nvt.gro \ -r nvt.gro \ -t nvt.cpt \ -p topol.top \ -o npt.tpr gmx mdrun \ -deffnm npt \ -gpu_id 0 \ -ntmpi 1 \ -ntomp 8 \ -nb gpu \ -bonded gpu \ -pme gpu \ -update gpu ``` *** ## Шаг 9 — производственный MD-запуск ```bash cat > md.mdp << 'EOF' ; Производственный MD-запуск integrator = md nsteps = 5000000 ; 10 нс (шаг 2 фс) dt = 0.002 nstxout-compressed = 5000 ; Сохранять координаты каждые 10 пс nstenergy = 5000 nstlog = 5000 continuation = yes constraint_algorithm = lincs constraints = h-bonds cutoff-scheme = Verlet ns_type = grid nstlist = 10 rcoulomb = 1.0 rvdw = 1.0 DispCorr = EnerPres coulombtype = PME tcoupl = V-rescale tc-grps = Protein Non-Protein tau_t = 0.1 0.1 ref_t = 300 300 pcoupl = Parrinello-Rahman pcoupltype = isotropic tau_p = 2.0 ref_p = 1.0 compressibility = 4.5e-5 pbc = xyz EOF gmx grompp \ -f md.mdp \ -c npt.gro \ -t npt.cpt \ -p topol.top \ -o md.tpr # Полный производственный запуск с выгрузкой на GPU gmx mdrun \ -deffnm md \ -gpu_id 0 \ -ntmpi 1 \ -ntomp 16 \ -nb gpu \ -bonded gpu \ -pme gpu \ -update gpu \ -v ``` {% hint style="info" %} **Следите за прогрессом в реальном времени:** ```bash tail -f md.log | grep -E "(ns/day|Step|Time)" ``` {% endhint %} *** ## Шаг 10 — анализ ### Базовый анализ траектории ```bash # RMSD (стабильность остова во времени) gmx rms \ -s md.tpr \ -f md.xtc \ -o rmsd.xvg \ -tu ns # Выберите 4 (Backbone) для обеих групп: эталонной и выровненной # RMSF (гибкость по остаткам) gmx rmsf \ -s md.tpr \ -f md.xtc \ -o rmsf.xvg \ -res # Выберите 4 (Backbone) # Радиус инерции (компактность) gmx gyrate \ -s md.tpr \ -f md.xtc \ -o gyrate.xvg # Выберите 1 (Protein) # Водородные связи gmx hbond \ -s md.tpr \ -f md.xtc \ -num hbonds.xvg # Выберите 1 (Protein) и для донора, и для акцептора ``` ### Построить файлы XVG ```python import numpy as np import matplotlib.pyplot as plt # Загрузить данные RMSD data = np.loadtxt('rmsd.xvg', comments=['@', '#']) time = data[:, 0] # в нс rmsd = data[:, 1] * 10 # преобразовать нм в ангстремы plt.figure(figsize=(10, 4)) plt.plot(time, rmsd) plt.xlabel('Время (нс)') plt.ylabel('RMSD (Å)') plt.title('RMSD остова') plt.grid(True, alpha=0.3) plt.savefig('rmsd_plot.png', dpi=150, bbox_inches='tight') ``` ### Передать результаты ```bash # С вашего локального компьютера: rsync -avz -e "ssh -p " \ root@:/workspace/lysozyme/ \ ./md_results/ ``` *** ## Многопроцессорные симуляции на нескольких GPU Для очень больших систем используйте несколько GPU с разложением по доменам: ```bash # Запуск на 4 GPU (подберите -ntmpi под количество GPU) gmx mdrun \ -deffnm md \ -gpu_id 0123 \ -ntmpi 4 \ -ntomp 4 \ -nb gpu \ -bonded gpu \ -pme gpu \ -npme 1 \ -update gpu \ -v ``` {% hint style="warning" %} **Эффективность нескольких GPU:** Масштабирование свыше 4 GPU обычно полезно только для систем более 1 миллиона атомов. Для меньших систем одна высокопроизводительная GPU экономически выгоднее на Clore.ai. {% endhint %} *** ## Устранение неполадок ### Фатальная ошибка: нет выгрузки на GPU ```bash # Проверить, что CUDA работает nvidia-smi python3 -c "import ctypes; ctypes.CDLL('libcuda.so')" # Принудительно использовать CPU-режим для тестирования gmx mdrun -deffnm md -ntmpi 1 -ntomp 16 ``` ### Система «взрывается» / отрицательные объёмы Обычно это указывает на проблему с минимизацией энергии: ```bash # Выполнить более длительную минимизацию с меньшим размером шага # Отредактируйте em.mdp: emstep = 0.001, emtol = 100 ``` ### Низкая производительность ```bash # Проверить загрузку GPU во время запуска watch -n 1 nvidia-smi # Настроить параметры выгрузки на GPU gmx mdrun -deffnm md -nb gpu -pme gpu -bonded gpu -update gpu \ -ntmpi 1 -ntomp $(nproc) ``` *** ## Распространённые силовые поля | Силовое поле | Лучше всего для | | ---------------- | ------------------------------ | | `amber99sb-ildn` | Белки, общее назначение | | `charmm36m` | Белки + липидные мембраны | | `gromos54a7` | Лекарственно-подобные молекулы | | `oplsaa` | Органические молекулы, липиды | *** ## Оценка стоимости | Симуляция | Размер системы | GPU | Время | Стоимость | | --------------- | --------------- | -------- | ------- | --------- | | Белок 10 нс | 25 тыс. атомов | RTX 3090 | \~2h | \~$0.60 | | Белок 100 нс | 25 тыс. атомов | A100 40G | \~6 ч | \~$4.50 | | Мембрана 100 нс | 200 тыс. атомов | A100 80G | \~12 ч | \~$9 | | Белок 1 мкс | 25 тыс. атомов | A100 80G | \~3 дня | \~$55 | *** ## Дополнительные ресурсы * [Документация GROMACS](https://manual.gromacs.org/) * [Учебные материалы по GROMACS (Джастин Лемкул)](http://www.mdtutorials.com/gmx/) * [Контейнер NVIDIA HPC GROMACS](https://catalog.ngc.nvidia.com/orgs/hpc/containers/gromacs) * [GROMACS на GitHub](https://github.com/gromacs/gromacs) * [Параметры силового поля Amber](https://ambermd.org/) * [Конструктор мембран CHARMM-GUI](https://www.charmm-gui.org/) *** *Запуск GROMACS на Clore.ai позволяет исследователям получать доступ к GPU A100 и RTX 4090 за долю стоимости AWS или Azure, делая длительные МД-симуляции экономически выгодными для академических лабораторий и отдельных исследователей.* *** ## Рекомендации по GPU для Clore.ai | Сценарий использования | Рекомендуемый GPU | Оценочная стоимость на Clore.ai | | ------------------------------------ | ----------------- | ------------------------------------------- | | Разработка/тестирование | RTX 3090 (24 ГБ) | $0.07–0.21/гпу/ч | | Стандартные МД-симуляции | RTX 4090 (24 ГБ) | $0.14–0.42/гпу/ч | | Крупные системы / длительные запуски | A100 80 ГБ | [голое железо](https://clore.ai/bare-metal) | > 💡 Все примеры в этом руководстве можно развернуть на [Clore.ai](https://clore.ai/marketplace) GPU-серверах. Просматривайте доступные GPU и арендуйте по часам — без обязательств, с полным root-доступом. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-ru/nauka-i-issledovaniya/gromacs.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.