Resource-Efficient Bio-Molecular Docking on a NISQ-era Digital Quantum Computer
Ce document propose et valide expérimentalement un cadre hybride quantique-classique efficient en ressources pour l'amarrage moléculaire qui reformule le problème en une tâche de clique maximale à poids de sommet, utilise une stratégie d'encodage à base complète variationnelle avec un optimiseur d'état produit pur prouvé, et démontre la faisabilité sur un ordinateur quantique d'IBM afin de faire progresser la conception de médicaments basée sur la structure.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Dans la course à la découverte de nouveaux médicaments, les scientifiques sont souvent confrontés à un casse-tête d'une complexité vertigineuse. Ils doivent trouver le moyen parfait pour faire entrer une petite molécule médicamenteuse, appelée ligand, dans une poche spécifique d'une grande protéine cible, un peu comme si l'on cherchait la clé exacte qui tourne dans une serrure. Ce processus, connu sous le nom de docking moléculaire (ou amarrage moléculaire), est essentiel pour concevoir des médicaments capables d'arrêter des maladies, mais il est incroyablement difficile car les molécules sont flexibles et peuvent se tordre en d'innombrables formes. Le nombre de façons dont ces deux molécules pourraient s'assembler croît si rapidement que même les superordinateurs les plus puissants du monde peinent à vérifier chaque option sans consommer trop de temps ou d'énergie. Pour rendre cette tâche gérable, les chercheurs ont appris à traduire le problème physique de l'assemblage des molécules en un jeu mathématique de connexion de points. Dans ce jeu, la meilleure adéquation correspond à la recherche du groupe de points connectés le plus précieux, un défi notoirement difficile à résoudre rapidement pour les ordinateurs.
Une équipe de chercheurs a maintenant démontré une nouvelle façon d'aborder ce problème en utilisant la dernière génération d'ordinateurs quantiques. Ces machines, qui sont actuellement à un stade précoce de développement et sensibles au bruit, ne sont pas encore assez puissantes pour exécuter les algorithmes complexes nécessaires à la découverte de médicaments à grande échelle. Cependant, l'équipe a montré qu'en utilisant une astuce ingénieuse pour compresser l'information, elle pouvait résoudre une version spécifique de ce puzzle de docking sur un processeur quantique réel. Ils ont réussi à identifier la configuration de liaison optimale pour deux paires différentes de médicament-protéine, prouvant que ces machines fragiles et de première génération peuvent aider dans le travail difficile de sélection des meilleures interactions moléculaires.
Les chercheurs ont commencé par prendre le problème physique du docking d'un médicament à une protéine et l'ont transformé en un graphe, un réseau de points et de lignes. Chaque point représentait un contact potentiel entre une caractéristique du médicament et une caractéristique de la protéine, telle qu'une liaison hydrogène ou une interaction hydrophobe. Les lignes connectaient des points qui pouvaient exister ensemble sans conflit, formant une carte de toutes les combinaisons valides possibles. L'objectif était de trouver le groupe de points qui étaient tous connectés entre eux et possédaient la valeur totale la plus élevée, représentant la liaison la plus forte et la plus stable. Il s'agit d'un type classique de problème mathématique connu sous le nom de problème de clique maximale à poids de sommet. Bien que les ordinateurs classiques puissent résoudre cela, ils doivent souvent vérifier un nombre énorme de possibilités, ce qui devient inefficace à mesure que les molécules deviennent plus grandes et plus flexibles.
Pour faciliter cette tâche pour un ordinateur quantique, l'équipe a développé une méthode permettant de stocker plus d'informations dans moins de composants physiques. Un ordinateur quantique standard utilise de petites unités appelées qubits pour stocker des données, mais ces machines disposent actuellement de très peu de qubits disponibles. Les chercheurs ont réalisé qu'un qubit n'est pas seulement un simple interrupteur qui peut être sur "on" ou "off" ; c'est un objet plus complexe qui peut être décrit par trois directions différentes dans l'espace. En utilisant ces trois directions, ils pouvaient encoder trois informations distinctes sur un seul qubit, plutôt que l'unité habituelle. Cela leur a permis de réduire considérablement la taille du problème, faisant tenir un grand graphe dans un circuit quantique beaucoup plus petit que le matériel actuel pouvait réellement gérer.
L'équipe a également introduit une manière intelligente de lancer la recherche de l'ordinateur. Au lieu de commencer par une supposition aléatoire, qui mène souvent l'ordinateur sur un chemin long et improductif, ils ont utilisé un ordinateur classique pour simuler quelques étapes d'un processus qui guide naturellement le système vers la meilleure solution. Ils ont pris le résultat de cette simulation classique et l'ont utilisé pour définir l'état initial de l'ordinateur quantique. Ce "démarrage à chaud" (warm start) signifiait que le processeur quantique commençait son travail déjà proche de la réponse, nécessitant beaucoup moins d'étapes pour trouver la solution finale. Cette combinaison de l'empaquetage de plus de données dans moins de qubits et d'un meilleur point de départ de la recherche a permis d'exécuter l'ensemble du processus sur un dispositif quantique réel fabriqué par IBM.
Lorsqu'ils ont testé cette approche sur deux paires spécifiques de médicament-protéine, l'une impliquant une molécule appelée biotine et l'autre de la benzamidine, les résultats ont été prometteurs. L'ordinateur quantique, fonctionnant sur un appareil à puissance limitée et présentant du bruit, a identifié avec succès la même solution optimale qu'une simulation parfaite et sans bruit. Les chercheurs ont constaté que leur méthode était non seulement capable de récupérer la bonne réponse, mais qu'elle le faisait aussi de manière plus fiable et avec un taux de réussite plus élevé qu'une méthode traditionnelle utilisant moins de directions sur chaque qubit. Ils ont observé que la méthode fonctionnait bien même avec un circuit peu profond, ce qui signifie qu'elle ne nécessitait pas de couches d'opérations profondes, sujettes aux erreurs sur les machines actuelles.
L'étude ne prétend pas que les ordinateurs quantiques ont remplacé les méthodes classiques pour la conception de médicaments, ni suggère que cette technique spécifique résout l'intégralité du problème de la découverte de nouveaux médicaments. Elle montre plutôt que les ordinateurs quantiques peuvent agir comme un outil spécialisé pour une étape spécifique et difficile du processus : la sélection du meilleur ensemble d'interactions compatibles à partir d'une vaste liste de possibilités. Les chercheurs ont prouvé qu'en utilisant une stratégie d'encodage à base complète et une technique d'initialisation intelligente, ils pouvaient résoudre ces problèmes combinatoires sur le matériel imparfait d'aujourd'hui. Ce travail constitue une démonstration concrète que des algorithmes quantiques économes en ressources peuvent être exécutés sur des dispositifs réels, offrant une voie potentielle pour utiliser ces machines afin d'aider dans le travail de calcul intensif de la recherche biologique.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.