性能#

AlphaFold2-Multimer NIM 已经过调优以提高性能。然而，多序列比对 (MSA) 和结构预测过程仍然计算量很大。性能还会因以下因素而显著变化：

  • 连接到 NIM 并可供 NIM 使用的 NVIDIA GPU。

  • NIM 可用的 CPU 核心数量。

  • NIM 可用的固态硬盘 (SSD) 的速度。

  • 用于在运行时配置 NIM 的参数。

  • 提供给 NIM 的氨基酸序列的数量和组成。

下面，我们将详细介绍一些性能预期并提供一般提示。这些并非旨在指示预期性能，您系统上的性能将与这些值有所不同。

一般性能指南#

一般来说，用户应预期以下性能：

  • A100 和 ≥ 64 个 CPU 核心和 ≥ 180GB 内存（最佳）

    • 序列长度高达 3,000 个氨基酸的序列应该可以成功运行，但 NIM 可能需要数小时才能运行。最快的 MSA 配置。

  • A100 和 ≥ 32 个 CPU 核心和 ≥ 128GB 内存（良好）

    • 与“最佳”配置相似的速度，但 MSA 性能更受限制。每个 MSA 使用更少的运行器，每个 MSA 使用更少的核心（请参阅 Sequence to MSA 部分）。

  • L40S 和 ≥ 32 个 CPU 核心和 ≥ 128GB 内存（良好）

    • 与 A100 相比，结构预测速度降低。与使用相同数量核心的 A100 GPU 相比，MSA 性能相似。

  • NVIDIA CUDA GPU，具有 ≥ 32GB VRAM 和 ≥ 12 个 CPU 核心和 ≥ 64GB 内存（最低，体验较差）

    • 短序列可以在此配置上运行，但长度超过 600 个氨基酸的序列可能在 MSA 或结构预测中失败。MSA 将非常慢，MSA 运行器的数量应设置为 1（请参阅 Sequence to MSA 部分）。

序列到 MSA#

  • MSA 性能在很大程度上取决于磁盘速度和 CPU 核心。确保您的 NIM 缓存位于快速 SSD 上，并且您已为 NIM 分配至少 24 个核心。

  • 增加每个 MSA 进程使用的线程数。这可以使用 NIM_PARALLEL_THREADS_PER_MSA 环境变量来完成。

  • 增加并发 MSA 进程的数量。这可以使用 NIM_PARALLEL_MSA_RUNNERS 环境变量来完成。

  • 有关上述建议和参数的更多详细信息，请参阅“在运行时配置 NIM”部分。

短序列的 MSA 运行时可能会有很大差异，但通常运行时与序列长度和要比对的输入序列数量成线性比例。对于数据库中有很多“命中”（比对）的序列（即在许多其他蛋白质中观察到的基序的序列），无论序列长度如何，MSA 运行时都可能显着增长。

一般来说，预计每个查询的 MSA 耗时在 1 分钟到 6 小时之间。请注意，这些是近似的运行时估计值，并且性能会因机器和输入查询的不同而进一步变化。

MSA 到结构和序列到结构#

  • 结构预测性能主要取决于 GPU 能力。如果您发现结构预测成为瓶颈，请考虑使用更强大的 GPU（例如，从 A30 切换到 A100）。

结构预测所需的时间随着序列长度呈指数增长。根据经验法则，长度是两倍的序列在结构预测阶段将花费至少四倍的时间。

一般来说，预计结构预测组件耗时在 4 分钟到 24 小时之间。请注意，这些是近似的运行时估计值，并且性能会因机器和输入查询的不同而进一步变化。

在本页中