QUANTA: A quantum annealing framework for species tree estimation using weighted quartet amalgamation
QUANTA est un nouveau cadre de recuit quantique qui formule la bipartition de quartets pondérés sous forme de problème QUBO pour permettre l'estimation d'arbres d'espèces sur du matériel quantique réel, atteignant une précision de pointe et des accélérations significatives par rapport aux méthodes classiques tout en maintenant une évolutivité pour les grands ensembles de données génomiques.
Article original sous licence CC BY 4.0 (https://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
La vie sur Terre est un vaste arbre généalogique ramifié, reliant chaque espèce, de la plus petite bactérie au plus grand des séquoias. Pendant des décennies, les scientifiques ont tenté de reconstruire cet arbre de la vie en lisant le code génétique de différents organismes. Cependant, cette tâche est loin d'être simple. Lorsque les chercheurs examinent l'histoire des gènes individuels au sein d'une même espèce, ils découvrent souvent que ces gènes racontent des histoires contradictoires. Un gène peut suggérer que deux espèces sont des parents proches, tandis qu'un autre suggère qu'elles sont des cousins éloignés. Cela se produit en raison de processus biologiques complexes, tels que le tri aléatoire des variations génétiques ancestrales, qui créent un réseau complexe d'histoire évolutive plutôt qu'une ligne droite unique. Pour donner un sens à tout cela, les scientifiques doivent reconstituer le véritable arbre des espèces à partir de milliers de ces histoires de gènes conflictuelles, un défi qui a longtemps mis à rude épreuve les limites des méthodes informatiques traditionnelles.
Dans une étude récente, des chercheurs de l'Université d'ingénierie et de technologie du Bangladesh ont fait un pas audacieux vers la résolution de ce problème en se tournant vers l'informatique quantique. Ils ont développé une nouvelle méthode appelée QUANTA, qui utilise les propriétés uniques des machines quantiques pour reconstituer les arbres des espèces plus efficacement que jamais. Au lieu de s'appuyer sur la logique séquentielle standard des ordinateurs classiques, QUANTA traite le problème comme un puzzle massif dont le but est de trouver l'arrangement des espèces qui concorde le mieux avec la majorité des preuves génétiques. Les chercheurs ont testé cette approche sur un large éventail de données simulées et de jeux de données biologiques réels, incluant une collection massive d'informations génétiques provenant de 48 espèces d'oiseaux. Leurs résultats montrent que QUANTA peut reconstruire ces arbres évolutifs avec une précision qui égale les meilleures méthodes existantes, mais il le fait avec une augmentation spectaculaire de la vitesse lors du traitement de grands groupes d'espèces.
Le cœur du problème réside dans la manière dont les scientifiques combinent les petites pièces de preuves évolutives. Imaginez que vous preniez un groupe de quatre espèces et que vous demandiez lesquelles sont les plus étroitement liées ; ce petit regroupement est appelé un « quartet ». En analysant des millions de ces quartets à partir de milliers de gènes, les chercheurs peuvent construire l'image de l'arbre complet. Les méthodes traditionnelles, telles que la méthode largement utilisée wQFM, fonctionnent en divisant de manière répétée la liste des espèces en deux groupes pour voir quelle division fait le plus de sens. Ce processus de division est coûteux en termes de calcul, c'est comme essayer de trouver la meilleure façon de diviser une grande foule en deux équipes en testant chaque combinaison possible une par une. À mesure que le nombre d'espèces augmente, le nombre de combinaisons explose, ce qui ralentit considérablement ces méthodes classiques.
QUANTA change la donne en utilisant un recuiseur quantique (quantum annealer), un type d'ordinateur quantique conçu pour trouver l'état d'énergie le plus bas d'un système complexe. Les chercheurs ont traduit le problème de la division des espèces dans un format compréhensible par ces machines. Au lieu de vérifier les combinaisons de manière séquentielle, l'ordinateur quantique explore de nombreuses divisions possibles simultanément. Il utilise un principe appelé effet tunnel quantique pour contourner les impasses locales qui piègent souvent les ordinateurs classiques, lui permettant de trouver la division optimale beaucoup plus rapidement. L'équipe a prouvé que leur méthode utilise le nombre absolu minimum de variables nécessaires pour représenter ces divisions, ce qui la rend aussi efficace que possible pour la génération actuelle de matériel quantique.
Les chercheurs ont mis QUANTA à l'épreuve sur divers ensembles de données, allant de petits groupes de 11 espèces à de grands groupes de 200. Dans les tests plus petits, où le problème était suffisamment simple pour être résolu parfaitement par un ordinateur standard, QUANTA a égalé la précision des meilleures méthodes existantes. Lorsqu'ils sont passés à des ensembles de données plus larges, les avantages sont devenus évidents. Sur un ensemble de données de 200 espèces, la méthode assistée par ordinateur quantique a résolu les étapes de division difficiles environ 4 100 fois plus vite que la méthode traditionnelle. Même en tenant compte du temps nécessaire pour envoyer les données à l'ordinateur quantique et recevoir la réponse, le temps total pour construire l'arbre était nettement plus court. Pour un ensemble de données de 101 espèces, QUANTA a terminé l'analyse en seulement 4,3 minutes, tandis que la méthode traditionnelle a pris plus de 22 minutes.
L'étude a également appliqué QUANTA à un ensemble de données réelles complexe impliquant 48 espèces d'oiseaux et près de 15 000 gènes. Ce groupe d'oiseaux est connu pour avoir une histoire évolutive très désordonnée, ce qui rend difficile la détermination de leurs véritables relations. QUANTA a non seulement égalé la précision des méthodes de pointe, mais a également reconstitué un groupe spécifique d'oiseaux que les autres méthodes avaient manqué. Il a produit un arbre avec un score de concordance avec les données génétiques supérieur à la meilleure méthode précédente. Ce succès démontre que la nouvelle approche peut gérer la complexité des données biologiques réelles, même lorsque les signaux évolutifs sont faibles et conflictuels.
Bien que les ordinateurs quantiques actuels utilisés dans l'étude soient encore à un stade de développement précoce et bruyant, les résultats offrent un aperçu de l'avenir de la biologie évolutive. Les chercheurs soulignent que leur méthode n'est pas liée au matériel spécifique utilisé ; le cadre mathématique qu'ils ont créé fonctionnera sur les machines quantiques futures, plus puissantes, à mesure qu'elles deviendront disponibles. À mesure que la technologie quantique mûrira, cette approche pourrait permettre aux scientifiques d'analyser des ensembles de données encore plus vastes, résolvant potentiellement des mystères de longue date de l'arbre de la vie. L'étude établit un nouveau fondement pour l'utilisation de l'optimisation quantique en phylogénomique, suggérant que la prochaine génération d'estimation des arbres d'espèces sera à la fois plus rapide et plus précise que ce qui est possible avec les ordinateurs classiques seuls.
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.