Implementação de GPU e automação para o AutoDock4 e AutoDock Vina usando Raccoon

Abstract

A química computacional, especificamente através do docking molecular, consolidou-se como uma ferramenta indispensável no desenvolvimento de fármacos. Entretanto, softwares tradicionais como o AutoDock4 apresentem limitações significativas de tempo de processamento e alternativas aceleradas, como o AutoDock-GPU, careçam de interfaces gráficas acessíveis. O presente trabalho teve como objetivo desenvolver, testar e validar um fluxo de trabalho e um ambiente computacional que integre a interface amigável do software Raccoon com a capacidade de processamento paralelo do AutoDock-GPU. Para a concretização deste objetivo, foi utilizada a tecnologia Docker para padronizar a instalação e criar um ambiente Linux acessível via navegador (browser), além do desenvolvimento de um script em linguagem Python para automatizar a listagem de ligantes e mapas. A metodologia aplicada consistiu na realização de testes de desempenho utilizando uma base de dados de 156 ligantes frente a dois receptores (as enzimas 3IK3 e hAChE), comparando-se os tempos de execução entre processamento em CPU e GPU em duas configurações de hardware distintas. Os resultados obtidos demonstraram uma redução drástica no tempo computacional, variando de milhares de minutos na execução via CPU para poucos minutos na execução via GPU, confirmando a eficiência da paralelização. Conclui-se que o ambiente desenvolvido associa com êxito a praticidade de configuração do Raccoon à velocidade do AutoDock-GPU, promovendo a acessibilidade e a usabilidade dessas ferramentas para pesquisadores com menor proficiência em programação, apesar de limitações pontuais na automação de múltiplos receptores simultâneos.