Les GPU NVIDIA permettent la simulation de cellules vivantes

Des chercheurs de l’Université de l’Illinois à Urbana-Champaign ont développé un logiciel accéléré par GPU pour simuler 2 milliards de cellules atomiques qui se métabolisent et se développent comme une cellule vivante.

20 janvier 2022 – Chaque cellule vivante contient son propre petit monde animé, avec des milliers de composants responsables de la production d’énergie, de la construction de protéines, de la transcription des gènes, etc.

Publié dans la revue celluleEt Le projet simule une petite cellule vivante contenant un ensemble réduit de gènes essentiels à la survie, au fonctionnement et à la réplication des cellules. Le modèle utilise des GPU NVIDIA pour simuler 7 000 processus d’information génétique sur un cycle cellulaire de 20 minutes, ce qui, selon les scientifiques, est la simulation cellulaire la plus longue et la plus complexe à ce jour. Il a construit une simulation 3D qui reproduit ces propriétés physiques et chimiques à l’échelle des particules – créant un modèle entièrement dynamique qui simule le comportement d’une cellule vivante.

Les petites cellules sont plus simples que les cellules naturelles, ce qui facilite leur recréation numérique.

« Même la plus petite cellule nécessite deux milliards d’atomes », a déclaré Zaida Luthy Schulten, professeur de chimie et codirectrice du Center for Living Cell Physics de l’université. « Vous ne pouvez pas créer un modèle 3D comme celui-ci dans une échelle de temps humaine réaliste sans GPU. »

Une fois testés et affinés, les modèles de cellules entières peuvent aider les scientifiques à prédire comment les modifications des conditions ou des génomes des cellules du monde réel affectent leur fonction. Mais même à ce stade, de simples simulations cellulaires peuvent donner aux scientifiques un aperçu des processus physiques et chimiques qui sous-tendent les cellules vivantes.

« Ce que nous avons découvert, c’est que les comportements de base émergent de la cellule simulée – non pas parce que nous les y avons programmés, mais parce que nous avons les paramètres cinétiques et les mécanismes lipidiques corrects dans notre modèle », a-t-elle déclaré.

microbes capillaires, logiciel d’accélération GPU développé par Luthey-Schulten en collaboration avec Luthey-Schulten et utilisé pour la simulation 3D cellulaire minimale, disponible sur NGC NVIDIA Centre de logiciels.

Petite cellule avec un maximum de réalisme

Pour construire le modèle de cellule vivante, les chercheurs de l’Illinois ont simulé l’une des cellules vivantes les plus simples, une bactérie parasite appelée mycoplasme. Ils ont basé le modèle sur une version réduite d’une cellule de mycoplasme fabriquée par des scientifiques du J. Craig Venter Institute à La Jolla, en Californie, qui avait moins de 500 gènes pour la maintenir viable.

À titre de comparaison, une seule cellule d’Escherichia coli contient environ 5 000 gènes. Une cellule humaine en contient plus de 20 000.

Ensuite, l’équipe de Luthy-Schulten a utilisé les propriétés connues du fonctionnement des mycoplasmes endogènes, notamment les acides aminés, les nucléotides, les lipides et les métabolites à petites molécules, pour construire le modèle à l’aide d’ADN, d’ARN, de protéines et de membranes.

« Nous sommes tellement fatigués des réactions que nous pouvons reproduire tout ce qui est connu », a-t-elle déclaré.

Utilisation du programme Lattice Microbes dans GPU NVIDIA Tensor CoreDans l’étude, les chercheurs ont exécuté une simulation 3D de 20 minutes du cycle de vie de la cellule, avant qu’elle ne commence à se développer ou à répliquer de manière exponentielle son ADN. Le modèle a montré que la cellule consacrait la majeure partie de son énergie au transport de molécules à travers la membrane cellulaire, ce qui correspond à son apparence de cellule parasite.

« Si ces calculs étaient effectués de manière séquentielle, ou au niveau de l’atome entier, cela prendrait des années », a déclaré l’étudiant diplômé et auteur principal de l’article Zane Thornburg. « Mais comme ce sont tous des processus indépendants, nous pouvons introduire du parallélisme dans le code et profiter des GPU. »

Thornburg travaille sur un autre projet d’accélération GPU pour simuler la croissance 3D et la division cellulaire. L’équipe a récemment adopté Systèmes NVIDIA DGX Et GPU RTX A5000 Pour accélérer encore son travail, il a constaté que l’utilisation des GPU A5000 accélère le temps d’émulation de référence de 40 % par rapport à une station de travail mise à niveau avec un GPU NVIDIA de génération précédente.

En savoir plus sur les chercheurs utilisant les GPU NVIDIA pour accélérer les percées scientifiques Inscription gratuite pour NVIDIA GTCIl fonctionne en ligne du 21 au 24 mars.

Pour une perspective supplémentaire, lisez l’article écrit par l’Université de l’Illinois Urbana-Champaign ici.

Source : Isha Salian, Nvidia