Seu ambiente distribuído de bioinformática e computação científica.
Jobs distribuídos entre os nós com melhor score e disponibilidade.
Capacidade disponível neste momento.
Ao entrar na LABIO.NETWORK, este é o ambiente principal: notebook científico, LABIOChat e execução descentralizada no mesmo lugar.
| Dispositivo | Status | Recursos | Instituição | Score |
|---|---|---|---|---|
A1 node-udesc-04 Linux • CUDA 12 | Online | A100 40GB 36 CPU | UDESC | 97.4 |
49 node-ufsc-07 Ubuntu • CUDA 12.4 | Online | RTX 4090 32 CPU | UFSC | 95.8 |
A4 node-ifsc-02 Rocky Linux • CUDA 12 | Online | A40 48GB 64 CPU | IFSC | 93.2 |
30 node-community-18 Ubuntu • CUDA 11.8 | Online | RTX 3090 24 CPU | Comunidade | 89.7 |
O score muda de acordo com o tipo de job. Para GROMACS em GPU, capacidade CUDA e disponibilidade recebem maior peso.
Gerencie nós institucionais, servidores, workstations e dispositivos voluntários.
| # | Dispositivo | Status | Hardware | Rede | Confiabilidade | Score |
|---|---|---|---|---|---|---|
| 1 | A1 node-udesc-04 UDESC • institucional | Online | A100 40GB • 36 CPU • 256 GB | 3.2 ms | 99.4% | 97.4 |
| 2 | 49 node-ufsc-07 UFSC • laboratório | Online | RTX 4090 • 32 CPU • 128 GB | 5.6 ms | 98.8% | 95.8 |
| 3 | A4 node-ifsc-02 IFSC • institucional | Online | A40 48GB • 64 CPU • 512 GB | 7.2 ms | 99.1% | 93.2 |
| 4 | 30 node-community-18 Comunidade • voluntário | Online | RTX 3090 • 24 CPU • 64 GB | 12.4 ms | 94.7% | 89.7 |
| 5 | V1 node-ceres-03 UDESC/CERES • workstation | Busy | V100 16GB • 72 CPU • 470 GB | 2.1 ms | 97.3% | 87.9 |
| 6 | C8 node-ufoB-01 UFOB • CPU node | Online | 128 CPU • 512 GB RAM | 28.0 ms | 98.0% | 84.6 |
Acompanhe fila, dispositivo selecionado, recursos, custos e reprodutibilidade.
Processos ativos neste momento.
O roteamento considera hardware, software, fila, confiabilidade e localização.
Execute workflows prontos ou abra cada ferramenta dentro do workspace.
Dinâmica molecular em CPU/GPU com checkpoints e containers reprodutíveis.
Docking molecular acelerado por GPU e workflows parametrizados.
Classificação taxonômica distribuída para grandes conjuntos metagenômicos.
Montagem genômica com seleção de nós por RAM, threads e armazenamento.
Busca de similaridade em bancos locais ou institucionais compartilhados.
Busca rápida de similaridade entre sequências FASTA executada nos nós móveis compatíveis.
Alinhamento múltiplo FFT-NS-2 de sequências FASTA nos nós móveis compatíveis.
Área de superfície acessível ao solvente para estruturas PDB, com resultado por resíduo.
Ambientes para inferência estrutural e modelos científicos autorizados.
Notebooks e containers para análise estatística, omicas e visualização.
Crie uma imagem/container e publique para sua equipe ou para toda a rede.
Use créditos para executar jobs ou ganhe créditos cedendo capacidade ociosa.
Visão agregada da capacidade computacional distribuída entre instituições e comunidade.
Guias passo a passo das ferramentas disponíveis no ecossistema LABIO.NETWORK.
Simulação e análise de dinâmica molecular.
Siga a sequência abaixo antes de criar o job no Workspace.
Revise cadeias, resíduos, átomos ausentes e estado inicial da estrutura.
gmx pdb2gmx -f structure.pdb -o processed.gro
Crie a caixa com dimensões adequadas ao sistema.
gmx editconf -f processed.gro -o boxed.gro -c -d 1.0
Adicione o solvente definido pelo protocolo.
gmx solvate -cp boxed.gro -o solvated.gro
Neutralize o sistema e, quando necessário, ajuste a concentração iônica.
gmx grompp ... gmx genion ...
Realize a minimização de energia antes do equilíbrio.
gmx grompp ... gmx mdrun ...
Estabilize a temperatura do sistema.
gmx grompp ... gmx mdrun ...
Estabilize pressão e densidade conforme o protocolo.
gmx grompp ... gmx mdrun ...
Execute a etapa produtiva da dinâmica molecular.
gmx mdrun ...
Avalie RMSD, RMSF, energia, contatos e outras métricas apropriadas.
gmx rms ... gmx rmsf ...
| Parâmetro | Função |
|---|---|
Force field |
Modelo físico utilizado na topologia. |
Time step |
Intervalo de integração. |
Temperature |
Temperatura de referência. |
Pressure |
Pressão de referência. |
Simulation time |
Duração da produção. |
Uma ferramenta de docking molecular para explorar como pequenas moléculas podem se posicionar em uma região de uma estrutura macromolecular e ordenar as poses produzidas por uma função de scoring.
Neste tutorial você realizará um redocking de imatinib no domínio quinase de c-Abl, utilizando a estrutura experimental PDB 1IEP como exemplo.
Pequena molécula utilizada neste tutorial como ligante do domínio quinase de c-Abl.
AutoDock Vina é um programa de docking molecular. Ele procura orientações e conformações possíveis de um ligante dentro de uma região tridimensional definida no receptor.
Durante a busca, diferentes poses são geradas, otimizadas e avaliadas por uma função de scoring. Ao final, o programa retorna um conjunto de soluções ordenadas e suas respectivas geometrias.
Estrutura que contém a região de interesse.
Molécula cuja pose será explorada.
Região em que o algoritmo procura.
Soluções produzidas e ordenadas.
A busca ocorre dentro da caixa tridimensional definida pelo usuário. Uma região inadequada pode impedir que o algoritmo encontre a pose de interesse.
O ligante possui graus de liberdade conformacionais. Flexibilidade limitada de resíduos do receptor pode ser tratada em protocolos específicos.
Exhaustiveness controla o esforço de busca. Valores maiores aumentam a exploração, mas também elevam o custo computacional.
O ranking deve ser interpretado junto com geometria, interações, controles e a hipótese científica.
Um resultado útil deve combinar uma pose estruturalmente plausível, parâmetros documentados e interpretação adequada ao desenho experimental.
Exemplo baseado no tutorial oficial de docking básico do AutoDock Vina.
Confira se o ambiente contém o executável do Vina e as ferramentas necessárias para preparar moléculas.
vina --help
mk_prepare_ligand.py
PDB / SDF
vina --version vina --help mk_prepare_receptor.py --help mk_prepare_ligand.py --help
Neste exemplo utilizaremos a estrutura da quinase c-Abl complexada com imatinib. O receptor e o ligante são tratados separadamente antes do docking.
Proteína com hidrogênios adicionados antes da geração do PDBQT.
Estrutura tridimensional do imatinib com conectividade molecular preservada.
SDF preserva informações de ligação que são essenciais para preparar corretamente pequenas moléculas.
O Meeko gera o receptor no formato necessário para o Vina e, neste exemplo, também cria a definição da caixa de docking.
mk_prepare_receptor.py \ -i 1iep_receptorH.pdb \ -o 1iep_receptor \ -p -v \ --box_size 20 20 20 \ --box_center 15.190 53.903 16.917
-i
arquivo de entrada
-o
prefixo dos arquivos gerados
-p
gerar receptor PDBQT
-v
gerar arquivos da caixa
1iep_receptor.pdbqt
receptor utilizado pelo Vina
1iep_receptor.box.txt
coordenadas e tamanho da caixa
O ligante deve ser preparado mantendo corretamente conectividade, protonação e ligações rotacionáveis.
mk_prepare_ligand.py \ -i 1iep_ligand.sdf \ -o 1iep_ligand.pdbqt
Se a estrutura inicial não possuir hidrogênios adequados, a etapa de protonação deve ocorrer antes da geração do PDBQT.
ligand.sdf
Mantém informação explícita sobre ligações químicas.
ligand.pdb
Não representa de forma adequada a conectividade de pequenas moléculas.
A caixa define a região tridimensional explorada durante o docking. Neste exemplo ela cobre o sítio ocupado pelo ligante cristalográfico.
15.190
53.903
16.917
20 Å
20 Å
20 Å
center_x = 15.190 center_y = 53.903 center_z = 16.917 size_x = 20.0 size_y = 20.0 size_z = 20.0
O Vina somente explora a região definida. A caixa deve ser escolhida de acordo com a hipótese estrutural do experimento.
Com receptor, ligante e caixa preparados, o docking pode ser executado diretamente pelo Vina.
vina \ --receptor 1iep_receptor.pdbqt \ --ligand 1iep_ligand.pdbqt \ --config 1iep_receptor.box.txt \ --exhaustiveness 32 \ --out 1iep_ligand_vina_out.pdbqt
Estrutura rígida preparada em PDBQT.
Molécula flexível preparada em PDBQT.
Centro e dimensões da caixa.
Aumenta o esforço empregado na busca.
O arquivo final contém as poses encontradas. O terminal também apresenta o ranking das soluções produzidas durante a busca.
Compare as poses produzidas dentro do mesmo protocolo.
Verifique se a pose ocupa uma região estrutural plausível.
Examine contatos, ligações de hidrogênio e resíduos do pocket.
Registre versão, caixa, parâmetros e arquivos.
Use o ranking juntamente com a inspeção estrutural e controles adequados ao experimento.
Em um exemplo de redocking como este, a pose prevista pode ser comparada estruturalmente com a orientação experimental do ligante.
O próximo passo é aplicar o mesmo raciocínio ao seu próprio receptor e ligante.
| Parâmetro | Função | Neste exemplo |
|---|---|---|
center_x/y/z
|
Centro da região pesquisada. | 15.190 / 53.903 / 16.917 |
size_x/y/z
|
Dimensões da caixa em Å. | 20 / 20 / 20 |
exhaustiveness
|
Esforço utilizado na busca. | 32 |
--out
|
Arquivo contendo poses resultantes. | 1iep_ligand_vina_out.pdbqt |
A caixa não cobre a região que deveria ser explorada.
Protonação, conectividade ou geometria estão incorretas.
Resíduos, cofatores ou átomos foram tratados inadequadamente.
O resultado precisa de avaliação estrutural.
Fontes científicas e técnicas utilizadas na construção deste tutorial.
AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading.
Journal of Computational Chemistry 31(2):455–461 · DOI 10.1002/jcc.21334AutoDock Vina 1.2.0: New Docking Methods, Expanded Force Field, and Python Bindings.
Journal of Chemical Information and Modeling 61(8):3891–3898 · DOI 10.1021/acs.jcim.1c00203Computational protein–ligand docking and virtual drug screening with the AutoDock suite.
Nature Protocols 11:905–919 · DOI 10.1038/nprot.2016.051Basic docking tutorial: preparação do receptor, ligante, search box, execução e análise do sistema 1IEP.
Documentação oficial AutoDock VinaCrystal structure of the c-Abl kinase domain in complex with STI-571.
PDB DOI 10.2210/pdb1IEP/pdbInterface utilizada para preparação e parametrização de ligantes e receptores para AutoDock Vina.
Documentação oficial MeekoAo utilizar AutoDock Vina em trabalhos científicos, consulte a documentação da versão utilizada e cite os trabalhos metodológicos apropriados.
Utilize o tutorial como referência para configurar um novo experimento dentro da LABIO.NETWORK.
Docking e rescoring com modelos neurais.
Siga a sequência abaixo antes de criar o job no Workspace.
Prepare a estrutura receptora.
receptor.pdb
Padronize os compostos.
ligands.sdf
Determine a região de docking.
reference ligand / box
Defina a estratégia de scoring.
gnina ...
Execute em CPU ou GPU conforme disponível.
gnina ...
Analise pose, score e CNN score.
results.sdf
| Parâmetro | Função |
|---|---|
Pocket |
Região pesquisada. |
Exhaustiveness |
Profundidade da busca. |
CNN scoring |
Estratégia de scoring neural. |
Conversão e preparação de formatos moleculares.
Siga a sequência abaixo antes de criar o job no Workspace.
Confira o arquivo original.
input.sdf
Escolha o formato final.
output.pdb
Execute a conversão.
obabel input.sdf -O output.pdb
Quando necessário, ajuste hidrogênios.
obabel ... -h
Gere coordenadas quando apropriado.
obabel ... --gen3d
Inspecione a estrutura produzida.
output
| Parâmetro | Função |
|---|---|
Input format |
Formato de entrada. |
Output format |
Formato de saída. |
Hydrogens |
Tratamento de hidrogênios. |
Área de superfície acessível ao solvente.
Siga a sequência abaixo antes de criar o job no Workspace.
Utilize a estrutura a ser analisada.
structure.pdb
Confirme cadeias e resíduos relevantes.
PDB
Escolha raio da sonda e algoritmo.
probe radius
Calcule SASA.
freesasa structure.pdb
Obtenha os níveis necessários.
residue / atom
Compare valores usando critérios consistentes.
results.tsv
| Parâmetro | Função |
|---|---|
Probe radius |
Raio da sonda. |
Algorithm |
Algoritmo de cálculo. |
Classifier |
Classificação dos átomos. |
Busca de similaridade em sequências biológicas.
Siga a sequência abaixo antes de criar o job no Workspace.
Determine nucleotídeo ou proteína.
query.fasta
Selecione blastn, blastp ou opção adequada.
blastn / blastp
Escolha o banco de referência.
database
Defina e-value e formato de saída.
-evalue ... -outfmt ...
Realize a busca.
blastp -query query.fasta ...
Avalie identidade, cobertura, e-value e contexto.
results.tsv
| Parâmetro | Função |
|---|---|
evalue |
Limite estatístico. |
max_target_seqs |
Número de hits. |
outfmt |
Formato de saída. |
Busca e clustering de sequências em larga escala.
Siga a sequência abaixo antes de criar o job no Workspace.
Organize as sequências.
input.fasta
Inclua o FASTA que será pesquisado.
target_content=""">referencia ATGCGTACGTTAGCTAGCTAGGCTAACCGGTT """
A versão móvel v1 executa busca de similaridade.
app="mmseqs2"
Ajuste a profundidade da busca.
sensitivity=1 kmer_length=8
Envie a célula ao scheduler LABIO.NETWORK.
job = network.submit(
app="mmseqs2",
query_content=""">consulta
ATGCGTACGTTAGCTAGCTAGGCTAACCGGTT
""",
target_content=""">referencia
ATGCGTACGTTAGCTAGCTAGGCTAACCGGTT
""",
threads=8
)
Avalie identidade e cobertura.
results.tsv
| Parâmetro | Função |
|---|---|
Sensitivity |
Sensibilidade da busca. |
Kmer length |
Tamanho das palavras usadas no pré-filtro. |
Threads |
CPUs solicitadas, limitadas ao valor compartilhado pelo dispositivo. |
Alinhamento múltiplo de sequências.
Siga a sequência abaixo antes de criar o job no Workspace.
Verifique integridade e orientação.
sequences.fasta
Selecione automática ou específica.
--auto
Ajuste o paralelismo.
--thread ...
Realize o alinhamento.
mafft --auto sequences.fasta
Revise gaps e regiões problemáticas.
alignment.fasta
Salve o MSA.
alignment.fasta
| Parâmetro | Função |
|---|---|
Strategy |
Estratégia de alinhamento. |
Threads |
Número de threads. |
Controle de qualidade e pré-processamento de FASTQ.
Siga a sequência abaixo antes de criar o job no Workspace.
Determine single ou paired-end.
R1 / R2
Configure entrada e saída.
-i / -I
Escolha filtros adequados.
quality settings
Configure trimming.
adapter trimming
Processe os reads.
fastp ...
Compare antes e depois.
report.html
| Parâmetro | Função |
|---|---|
Quality threshold |
Limiar de qualidade. |
Minimum length |
Comprimento mínimo. |
Threads |
Paralelismo. |
Montagem de genomas e metagenomas.
Siga a sequência abaixo antes de criar o job no Workspace.
Utilize reads adequadamente filtrados.
FASTQ
Defina o tipo de assembly.
SPAdes / metaSPAdes
Informe corretamente R1 e R2.
-1 / -2
Configure CPU e memória.
-t ... -m ...
Inicie a montagem.
spades.py ...
Analise contigs e métricas de qualidade.
contigs.fasta
| Parâmetro | Função |
|---|---|
Threads |
Número de threads. |
Memory |
Memória máxima. |
k-mers |
Estratégia de k-mers. |
Testes estatísticos de evolução molecular.
Siga a sequência abaixo antes de criar o job no Workspace.
Utilize alinhamento apropriado.
alignment.fasta
Defina a filogenia.
tree.nwk
Selecione FEL, MEME ou método adequado.
FEL / MEME / ...
Configure opções necessárias.
model
Inicie a análise.
hyphy ...
Considere hipótese e correções estatísticas.
results.json
| Parâmetro | Função |
|---|---|
Method |
Teste estatístico. |
Significance |
Critério de significância. |
Tree |
Árvore utilizada. |
Python para manipulação de dados biológicos.
Siga a sequência abaixo antes de criar o job no Workspace.
Utilize ambiente Python controlado.
python
Carregue o módulo necessário.
from Bio import SeqIO
Parseie o formato biológico.
SeqIO.parse(...)
Implemente a análise.
Python
Confirme os resultados.
checks
Escreva o formato final.
SeqIO.write(...)
| Parâmetro | Função |
|---|---|
Parser |
Módulo utilizado. |
Format |
Formato biológico. |
Output |
Formato de saída. |