GPUGRID: Paper & Bätsch

[Michael H.W. Weber]

Es gibt ein Paper von 2017, dass wohl erst heute im GPUGRID-Forum vermeldet wurde und für dessen Zuarbeit es heute nachträglich ein Bätsch gab (bin sogar unter den Glücklichen). Hab' die Publikation auch über Twitter gemeldet.

Michael.

[Stiwi]

Sehr nice, deswegen mag ich das Projekt

[Michael H.W. Weber]

Sehr nice, deswegen mag ich das Projekt

Ja. Allerdings bin ich ziemlich enttäuscht von der Betreuung der Unterstützer. Seit Monaten laufen unter Linux keine GPU Tasks mehr, dazu kaum Kommunikation im Forum. Die CPU-Tasks sind noch länger vom Netz (wenn ich mich recht erinnere schon seit Januar, allerdings erwarte ich dort "bald" ein neues "methods"-Paper, da die Aufgaben von jemandem ausgegeben wurden, der in der Vergangenheit auch schon Dinge zu Papier gebracht hat).

Michael.

[Michael H.W. Weber]

Und noch ein GPUGRID 2018er Paper nebst Bätsch:
https://twitter.com/Rechenkraft_net/sta ... 3528754176

Ich mache mir allmählich Gedanken, inwieweit die Bätsches wirklich sauber an diejenigen vergeben werden, die zu den entsprechenden Papieren beigetragen haben. Ich habe unter vielen anderen auch massenhaft WUs vom DOERR-Typ durchgenudelt, das Bätsch diesmal aber leider nicht erhalten. Statistisch gesehen macht das eigentlich nicht wirklich viel Sinn...

Michael.

[Michael H.W. Weber]

Es gibt eine neue (2019er) GPUGRID-Publikation nebst zugehörigem Signatur-Bätsch (das auch ich bekommen habe).
Dabei geht es um den Einsatz von Machine Learning bei Molecular Dynamics Simulationen!

Infos dazu:
Paper: https://pubs.acs.org/doi/10.1021/acscentsci.8b00913#
GPUGRID-Forenmeldung dazu: http://www.gpugrid.net/forum_thread.php?id=5021

Michael.

[Michael H.W. Weber]

Es ist mal wieder so weit: GPUGRID präsentiert zwei neue Fachpublikationen plus die beiden Bätsches dazu für diejenigen, die zu diesen Arbeiten beigetragen haben. Ich bin diesmal bei beiden dabei.

Paper 1: https://www.gpugrid.net/forum_thread.ph ... true#55110
Paper 2: https://www.gpugrid.net/forum_thread.ph ... true#55111

Bei der ersten Publikation geht es um die systematische Identifizierung von "versteckten" Arzneistoffbindetaschen. Diese kann man nur erkennen, wenn man sich nicht einfach auf "statische" Kristallstrukturen verlässt, sondern die Dynamik von Proteinen in wässriger Lösung berücksichtigt. Das geht nur über NMR-Strukturaufklärung oder MD Simulationen.
Bei der zweiten wird eine Konfigurations-Datenbank für GPCR-Rezeptorproteinklassen vorgestellt, dies sind Proteine, die von erheblicher Bedeutung für die Arzneistoffentwicklung sind.

Wenn Fragen sind, her damit.

Michael.

[Kolossus]

Na, da kann man ja nur Gratulieren!

[comes]

Ich schließe mich gerne an: Glückwunsch!