Resource-Efficient Bio-Molecular Docking on a NISQ-era Digital Quantum Computer
تقترح هذه الورقة وتثبت تجريبياً إطار عمل هجيناً كمياً-كلاسيكياً موفراً للموارد لعملية الإرساء الجزيئي، والذي يعيد صياغة المشكلة كمسألة كليكة ذات أوزان رؤوس قصوى، ويستخدم استراتيجية ترميز كاملة الأساس تباينية مع مُحسِّن حالة منتج نقية مثبت، ويُظهر الجدوى على حاسوب كمي من نوع IBM للنهوض بتصميم الأدوية القائم على البنية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في السباق لاكتشاف أدوية جديدة، يواجه العلماء غالبًا لغزًا ذا تعقيد مذهل. إذ يتعين عليهم إيجاد الطريقة المثالية لملاءمة جزيء دواء صغير، يُسمى "الرابط" (ligand)، داخل جيب محدد في بروتين مستهدف ضخم، تمامًا مثل البحث عن المفتاح الدقيق الذي يفتح قفلًا ما. هذه العملية، المعروفة باسم "الإرساء الجزيئي" (molecular docking)، ضرورية لتصميم أدوية يمكنها إيقاف الأمراض، لكنها صعبة للغاية لأن الجزيئات مرنة ويمكن أن تلتوي لتتخذ أشكالًا لا حصر لها. إن عدد الطرق التي يمكن أن تتلاقى بها هاتان الجزيئتان ينمو بسرعة كبيرة لدرجة أن أقوى الحواسيب الفائقة في العالم تجد صعوبة في فحص كل الخيارات دون استهلاك الكثير من الوقت أو الطاقة. ولجعل هذه المهمة قابلة للإدارة، تعلم الباحثون ترجمة المشكلة الفيزيائية المتمثلة في ملاءمة الجزيئات معًا إلى لعبة رياضية تعتمد على توصيل النقاط. وفي هذه اللعبة، يتوافق الملائمة الأفضل مع إيجاد المجموعة الأكثر قيمة من النقاط المتصلة، وهو تحدٍ يصعب على الحواسيب حله بسرعة بشكل ملحوظ.
لقد أظهر فريق من الباحثين الآن طريقة جديدة لمعالجة هذه المشكلة باستخدام الجيل الأحدث من الحواسيب الكمومية. هذه الآلات، التي لا تزال حاليًا في مرحلة مبكرة من التطوير وتتأثر بالضجيج، ليست قوية بما يكفي بعد لتشغيل الخوارزميات المعقدة اللازمة لاكتشاف الأدوية على نطاق واسع. ومع ذلك، أظهر الفريق أنه من خلال استخدام حيلة ذكية لضغط المعلومات، تمكنوا من حل نسخة محددة من لغز الإرساء هذا على معالج كمومي حقيقي. لقد نجحوا في تحديد التكوين الأمثل للارتباط لزوجين مختلفين من (الدواء-البروتين)، مما يثبت أن هذه الآلات الهشة والبدائية يمكنها المساعدة في العمل الصعب المتمثل في اختيار أفضل التفاعلات الجزيئية.
بدأ الباحثون بأخذ المشكلة الفيزيائية المتمثلة في إرساء دواء إلى بروتين وتحويلها إلى "رسم بياني" (graph)، وهو عبارة عن شبكة من النقاط والخطوط. مثّلت كل نقطة اتصالًا محتملاً بين ميزة في الدواء وميزة في البروتين، مثل رابط هيدروجيني أو تفاعل كاره للماء. وربطت الخطوط بين النقاط التي يمكن أن توجد معًا دون تعارض، مما شكل خريطة لجميع التوليفات الصالحة الممكنة. كان الهدف هو إيجاد مجموعة النقاط التي تكون جميعها متصلة ببعضها البعض وتمتلك أعلى قيمة إجمالية، مما يمثل الارتباط الأقوى والأكثر استقرارًا. هذا نوع كلاسيكي من المشكلات الرياضية المعروف باسم "مشكلة أكبر كليكة ذات أوزان رؤوس" (maximum vertex-weighted clique problem). وبينما تستطيع الحواسيب التقليدية حل هذه المشكلة، إلا أنها غالبًا ما تضطر إلى فحص عدد هائل من الاحتمالات، مما يصبح غير فعال مع زيادة حجم الجزيئات ومرونتها.
ولجعل هذه المهمة أسهل بالنسبة للحاسوب الكمومي، طور الفريق طريقة لحزم المزيد من المعلومات في مكونات فيزيائية أقل. يستخدم الحاسوب الكمومي القياسي وحدات صغيرة تسمى "كيوبت" (qubits) لتخزين البيانات، لكن هذه الآلات تمتلك حاليًا عددًا قليلًا جدًا من الكيوبتات المتاحة. أدرك الباحثون أن الكيوبت الواحد ليس مجرد مفتاح بسيط يعمل بوضعية التشغيل أو الإيقاف؛ بل هو كائن أكثر تعقيدًا يمكن وصفه بثلاثة اتجاهات مختلفة في الفضاء. ومن خلال استخدام جميع هذه الاتجاهات الثلاثة، استطاعوا تشفير ثلاثة أجزاء منفصلة من المعلومات على كيوبت واحد، بدلاً من الجزء الواحد المعتاد. سمح لهم ذلك بتقليص حجم المشكلة بشكل كبير، مما مكنهم من احتواء رسم بياني كبير داخل دائرة كمومية أصغر بكثير يمكن للأجهزة الحالية التعامل معها فعليًا.
كما قدم الفريق طريقة ذكية لبدء بحث الحاسوب. فبدلاً من البدء بتخمين عشوائي، والذي غالبًا ما يقود الحاسوب نحو مسار طويل وغير مثمر، استخدموا حاسوبًا تقليديًا لمحاكاة بضع خطوات من عملية توجه النظام بشكل طبيعي نحو الحل الأفضل. لقد أخذوا نتيجة هذه المحاكاة التقليدية واستخدموها لضبط الحالة الأولية للحاسوب الكمومي. هذا "البدء الدافئ" (warm start) يعني أن المعالج الكمومي بدأ عمله وهو قريب بالفعل من الإجابة، مما تطلب خطوات أقل بكثير للوصول إلى الحل النهائي. هذا الجمع بين حزم المزيد من البيانات في عدد أقل من الكيوبتات والبدء في البحث من موقع أفضل سمح لهم بتشغيل العملية بأكملها على جهاز كمومي حقيقي من إنتاج شركة IBM.
وعندما اختبروا هذا النهج على زوجين محددين من (الدواء-البروتين)، أحدهما يتضمن جزيئًا يسمى "البيوتين" (biotin) والآخر يتضمن "البنزاميدين" (benzamidine)، كانت النتائج واعدة. فقد نجح الحاسوب الكمومي، الذي يعمل على جهاز بقدرة محدودة وضجيج ما، في تحديد نفس الحل الأمثل الذي كان سيجده محاكٍ مثالي خالٍ من الضجيج. وجد الباحثون أن طريقتهم لم تكن قادرة فقط على استعادة الإجابة الصحيحة، بل فعلت ذلك أيضًا بشكل أكثر موثوقية وبمعدل نجاح أعلى من الطريقة التقليدية التي تستخدم اتجاهات أقل على كل كيوبت. ولاحظوا أن الطريقة تعمل بشكل جيد حتى مع دائرة "ضحلة" (shallow circuit)، مما يعني أنها لا تتطلب طبقات عميقة من العمليات التي تكون عرضة للأخطاء في الأجهزة الحالية.
لا تدعي الدراسة أن الحواسيب الكمومية قد حلت محل الطرق التقليدية لتصميم الأدوية، ولا تقترح أن هذه التقنية المحددة تحل مشكلة العثور على أدوية جديدة بأكملها. بدلاً من ذلك، فهي تُظهر أن الحواسيب الكمومية يمكن أن تعمل كأداة متخصصة لخطوة محددة وصعبة في العملية: وهي اختيار أفضل مجموعة من التفاعلات المتوافقة من قائمة واسعة من الاحتمالات. لقد أثبت الباحثون أنه من خلال استخدام استراتيجية ترميز القاعدة الكاملة وتقنية تهيئة ذكية، استطاعوا حل هذه المشكلات التوافقية على أجهزة اليوم غير المثالية. يقدم هذا العمل برهانًا ملموسًا على إمكانية تنفيذ خوارزميات كمومية فعالة في استهلاك الموارد على أجهزة حقيقية، مما يوفر مسارًا محتملاً لاستخدام هذه الآلات للمساعدة في المهام الحسابية الشاقة في الأبحاث البيولوجية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.