Resource-Efficient Bio-Molecular Docking on a NISQ-era Digital Quantum Computer
Questo articolo propone e valida sperimentalmente un framework ibrido quantistico-classico efficiente dal punto di vista delle risorse per il docking molecolare che riformula il problema come un compito di massimo clique con pesi sui vertici, utilizza una strategia di codifica a base completa variazionale con un ottimizzatore di stato puro prodotto dimostrato, e ne dimostra la fattibilità su un computer quantistico IBM per far avanzare la progettazione di farmaci basata sulla struttura.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Nella corsa alla scoperta di nuovi medicinali, gli scienziati si trovano spesso di fronte a un enigma di una complessità sbalorditiva. Devono trovare il modo perfetto per incastrare una piccola molecola di farmaco, chiamata ligando, in una specifica tasca di una grande proteina bersaglio, molto simile a trovare la chiave esatta che fa girare una serratura. Questo processo, noto come docking molecolare, è essenziale per progettare farmaci che possano fermare le malattie, ma è incredibilmente difficile perché le molecole sono flessibili e possono torcersi in innumerevoli forme. Il numero di modi possibili in cui queste due molecole potrebbero incastrarsi cresce così rapidamente che anche i supercomputer più potenti del mondo faticano a controllare ogni opzione senza richiedere troppo tempo o energia. Per rendere questo compito gestibile, i ricercatori hanno imparato a tradurre il problema fisico dell'incastro delle molecole in un gioco matematico di connessione di punti. In questo gioco, la migliore combinazione corrisponde al trovare il gruppo di punti connessi più prezioso, una sfida notoriamente difficile da risolvere rapidamente per i computer.
Un team di ricercatori ha ora dimostrato un nuovo modo per affrontare questo problema utilizzando l'ultima generazione di computer quantistici. Queste macchine, che si trovano attualmente in una fase iniziale di sviluppo e sono sensibili al rumore, non sono ancora abbastanza potenti da eseguire gli algoritmi complessi necessari per la scoperta di farmaci su larga scala. Tuttavia, il team ha dimostrato che, utilizzando un astuto trucco per comprimere le informazioni, è stato possibile risolvere una versione specifica di questo puzzle di docking su un vero processore quantistico. Sono riusciti a identificare la configurazione di legame ottimale per due diverse coppie farmaco-proteina, dimostrando che queste macchine fragili e in fase iniziale possono assistere nel difficile lavoro di selezione delle migliori interazioni molecolari.
I ricercatori hanno iniziato trasformando il problema fisico del docking di un farmaco a una proteina in un grafo, ovvero una rete di punti e linee. Ogni punto rappresentava un potenziale contatto tra una caratteristica del farmaco e una caratteristica della proteina, come un legame a idrogeno o un'interazione idrofobica. Le linee collegavano punti che potevano esistere insieme senza conflitti, formando una mappa di tutte le possibili combinazioni valide. L'obiettivo era trovare il gruppo di punti che fossero tutti connessi tra loro e avessero il valore totale più alto, rappresentando il legame più forte e stabile. Questo è un tipo classico di problema matematico noto come problema della clique con pesi sui vertici (maximum vertex-weighted clique problem). Sebbene i computer classici possano risolverlo, spesso devono controllare un numero enorme di possibilità, il che diventa inefficiente man mano che le molecole diventano più grandi e flessibili.
Per rendere questo compito più facile per un computer quantistico, il team ha sviluppato un metodo per impacchettare più informazioni in meno componenti fisici. Un computer quantistico standard utilizza piccole unità chiamate qubit per memorizzare i dati, ma queste macchine dispongono attualmente di pochissimi qubit. I ricercatori si sono resi conto che un singolo qubit non è solo un semplice interruttore che può essere acceso o spento; è un oggetto più complesso che può essere descritto da tre diverse direzioni nello spazio. Utilizzando tutte e tre queste direzioni, potevano codificare tre informazioni separate su un singolo qubit, invece della solita singola informazione. Ciò ha permesso loro di ridurre significamente la dimensione del problema, facendo entrare un grafo di grandi dimensioni in un circuito quantistico molto più piccolo che l'hardware esistente poteva effettivamente gestire.
Il team ha inoltre introdotto un modo intelligente per avviare la ricerca del computer. Invece di iniziare con un tentativo casuale, che spesso conduce il computer lungo un percorso lungo e improduttivo, hanno utilizzato un computer classico per simulare alcuni passaggi di un processo che guida naturalmente il sistema verso la soluzione ottimale. Hanno preso il risultato di questa simulazione classica e lo hanno usato per impostare lo stato iniziale del computer quantistico. Questo "warm start" (avvio a caldo) ha significato che il processore quantistico ha iniziato il suo lavoro essendo già vicino alla risposta, richiedendo molti meno passaggi per trovare la soluzione finale. Questa combinazione di impacchettamento di più dati in meno qubit e di inizio della ricerca in una posizione migliore ha permesso loro di eseguire l'intero processo su un vero dispositivo quantistico prodotto da IBM.
Quando hanno testato questo approccio su due specifiche coppie farmaco-proteina, una che coinvolgeva una molecola chiamata biotina e un'altra che coinvolgeva la benzamidina, i risultati sono stati promettenti. Il computer quantistico, eseguendo su un dispositivo con potenza limitata e con la presenza di rumore, ha identificato con successo la stessa soluzione ottimale che avrebbe trovato una simulazione perfetta e priva di rumore. I ricercatori hanno scoperto che il loro metodo non solo era in grado di recuperare la risposta corretta, ma lo faceva in modo più affidabile e con un tasso di successo maggiore rispetto a un metodo tradizionale che utilizza meno direzioni su ciascun qubit. Hanno osservato che il metodo funzionava bene anche con un circuito "shallow" (poco profondo), il che significa che non richiedeva strati profondi di operazioni che sono soggetti a errori sulle macchine attuali.
Lo studio non afferma che i computer quantistici abbiano sostituito i metodi classici per la progettazione di farmaci, né suggerisce che questa tecnica specifica risolva l'intero problema della scoperta di nuovi medicinali. Al contrario, mostra che i computer quantistici possono agire come uno strumento specializzato per un passaggio specifico e difficile del processo: la selezione del miglior insieme di interazioni compatibili da una vasta lista di possibilità. I ricercatori hanno dimostrato che, utilizzando una strategia di codifica a base completa e una tecnica di inizializzazione intelligente, potevano risolvere questi problemi combinatori su hardware odierni imperfetti. Questo lavoro fornisce una dimostrazione concreta del fatto che algoritmi quantistici efficienti dal punto di vista delle risorse possono essere eseguiti su dispositivi reali, offrendo un potenziale percorso per l'utilizzo di queste macchine per assistere nel pesante lavoro computazionale della ricerca biologica.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.