Forskere ved Stanford University bruger et distribueret simuleringsværktøj, Folding@Home, til at beregne proteinfoldninger. Ved at bruge regnekraft fra grafikkort er hastigheden netop vokset med en faktor 140.

Simuleringerne i Stanfords værktøj er bl.a. at lære mere om sygdomme som Alzheimers, BSE og Parkinsons.

I stedet for at anvende traditionelle cpu’er til at beregne de enkelte molekylers bevægelser ved foldningen, har forskerne valgt en distribueret model, hvor Nvidia GeForce grafikkort, der ikke har andet at lave, beregner foldningerne.

Forskerteamet bag Folding@Home startede med ti grafikprocessorer, hvilket gav dem en plads blandt de hurtigste ti procent af forskerteam, der beskæftiger sig med proteinfoldnnger. Ved at udvide antallet af processorer, er forskerteamet nu kommet øverst på top 1000, skriver Nvidia i en pressemeddelelse.

I traditionel biologi anvender forskerne en petriskål til eksperimenterne, men ved at anvende enten supercomputere – eller distribuerede modeller – er det muligt at nå frem til de samme resultater ved hjælp af simulering.

Proteinfoldning anvendes især i medicinalindustrien, hvor hurtige computersimulering vil kunne frasortere potentielle lægemidler, der har uønskede sideeffekter. Ved at kunne simulere proteinernes opførsel, slipper forskerne for at skulle gennemføre kliniske forsøg, som tager meget længere tid. På den facon bliver det muligt at koncentrere sig om de kandidater, som simuleringerne ikke automatisk frasorterer-

For at få korrekte simuleringer er det nødvendigt at beregne enkelte molekylers bevægelser med en opløsning på ned til et femtosekund. Et femtosekund svarer til 0,000000000000001 sekund.