QUANTA: A quantum annealing framework for species tree estimation using weighted quartet amalgamation
QUANTA è un nuovo framework di annealing quantistico che formula la bipartizione dei quartetti pesati come un problema QUBO per consentire la stima degli alberi di specie su hardware quantistico reale, raggiungendo una precisione allo stato dell'arte e velocità significative rispetto ai metodi classici, mantenendo al contempo la scalabilità per grandi dataset genomici.
Articolo originale sotto licenza CC BY 4.0 (https://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
La vita sulla Terra è un vasto albero genealogico ramificato, che connette ogni specie, dai più piccoli batteri alle più alte sequoie. Per decenni, gli scienziati hanno cercato di ricostruire questo albero della vita leggendo il codice genetico di diversi organismi. Tuttavia, questo compito è tutt'altro che semplice. Quando i ricercatori esaminano la storia dei singoli geni all'interno di una singola specie, spesso scoprono che questi geni raccontano storie contrastanti. Un gene potrebbe suggerire che due specie siano parenti stretti, mentre un altro potrebbe suggerire che siano cugini lontani. Ciò accade a causa di complessi processi biologici, come l'ordinamento casuale delle variazioni genetiche ancestrali, che creano una rete aggrovigliata di storia evolutiva piuttosto che una singola linea retta. Per dare un senso a tutto ciò, gli scienziati devono ricomporre il vero albero delle specie partendo da migliaia di queste storie geniche contrastanti, una sfida che per lungo tempo ha messo a dura prova i limiti dei metodi informatici tradizionali.
In uno studio recente, ricercatori della Bangladesh University of Engineering and Technology hanno compiuto un passo audace verso la risoluzione di questo problema rivolgendosi al calcolo quantistico. Hanno sviluppato un nuovo metodo chiamato QUANTA, che utilizza le proprietà uniche delle macchine quantistiche per ricomporre gli alberi delle specie in modo più efficiente che mai. Invece di affidarsi alla logica standard, passo dopo passo, dei computer classici, QUANTA tratta il problema come un enorme puzzle in cui l'obiettivo è trovare la disposizione delle specie che meglio concordi con la maggioranza delle prove genetiche. I ricercatori hanno testato questo approccio su una vasta gamma di dati simulati e reali, inclusa una massiccia collezione di informazioni genetiche di 48 specie di uccelli. I loro risultati dimostrano che QUANTA può ricostruire questi alberi evolutivi con un'accuratezza che eguaglia i migliori metodi esistenti, ma lo fa con un aumento drammatico della velocità quando si gestiscono grandi gruppi di specie.
Il cuore del problema risiede nel modo in cui gli scienziati combinano piccoli pezzi di evidenza evolutiva. Immaginate di prendere un gruppo di quattro specie e di chiedere quali due siano più strettamente correlate; questo piccolo raggruppamento è chiamato "quartetto". Analizzando milioni di questi quartetti da migliaia di geni, i ricercatori possono costruire l'immagine dell'intero albero. I metodi tradizionali, come il molto diffuso wQFM, funzionano dividendo ripetutamente l'elenco delle specie in due gruppi per vedere quale divisione abbia più senso. Questo processo di divisione è computazionalmente costoso, come cercare di trovare il modo migliore per dividere una grande folla in due squadre testando ogni possibile combinazione una alla volta. Man mano che il numero di specie cresce, il numero di combinazioni esplode, causando un rallentamento dei metodi classici fino a renderli quasi paralizzati.
QUANTA cambia le regole del gioco utilizzando un quantum annealer, un tipo di computer quantistico progettato per trovare lo stato di energia più bassa di un sistema complesso. I ricercatori hanno tradotto il problema della divisione delle specie in un formato che queste macchine possano comprendere. Invece di controllare le combinazioni in sequenza, il computer quantistico esplora molteplici divisioni possibili simultaneamente. Utilizza un principio chiamato tunneling quantistico per scivolare oltre i vicoli ciechi locali che spesso intrappolano i computer classici, permettendogli di trovare la divisione ottimale molto più velocemente. Il team ha dimostrato che il loro metodo utilizza il numero assoluto minimo di variabili necessarie per rappresentare queste divisioni, rendendolo il più efficiente possibile per l'attuale generazione di hardware quantistico.
I ricercatori hanno messo alla prova QUANTA su una varietà di dataset, che vanno da piccoli gruppi di 11 specie a grandi gruppi di 200. Nei test più piccoli, dove il problema era abbastanza semplice da essere risolto perfettamente da un computer standard, QUANTA ha eguagliato l'accuratezza dei migliori metodi esistenti. Quando si sono spostati su dataset più grandi, i vantaggi sono diventati evidenti. Su un dataset di 200 specie, il metodo assistito dal quantum ha risolto i difficili passaggi di divisione circa 4.100 volte più velocemente del metodo tradizionale. Anche tenendo conto del tempo necessario per inviare i dati al computer quantistico e ricevere la risposta, il tempo totale per costruire l'albero è stato significativamente più breve. Per un dataset di 101 specie, QUANTA ha completato l'analisi in soli 4,3 minuti, mentre il metodo tradizionale ha impiegato oltre 22 minuti.
Lo studio ha applicato anche QUANTA a un dataset del mondo reale particolarmente impegnativo, riguardante 48 specie di uccelli e quasi 15.000 geni. Questo gruppo di uccelli è noto per avere una storia evolutiva molto confusa, il che rende difficile determinare le loro vere relazioni. QUANTA non solo ha eguagliato l'accuratezza dei metodi principali, ma ha anche ricostruito un gruppo specifico di uccelli che altri metodi avevano mancato. Ha prodotto un albero con un punteggio di concordanza con i dati genetici superiore rispetto al precedente miglior metodo. Questo successo dimostra che il nuovo approccio può gestire la complessità dei dati biologici reali, anche quando i segnali evolutivi sono deboli e contrastanti.
Sebbene gli attuali computer quantistici utilizzati nello studio siano ancora in una fase iniziale e rumorosa di sviluppo, i risultati offrono uno sguardo sul futuro della biologia evolutiva. I ricercatori sottolineano che il loro metodo non è legato all'hardware specifico utilizzato; il quadro matematico che hanno creato funzionerà su macchine quantistiche future, più potenti, man mano che diventeranno disponibili. Man mano che la tecnologia quantistica maturerà, questo approccio consentirà agli scienziati di analizzare dataset ancora più grandi, potenzialmente risolvendo misteri di lunga data nell'albero della vita. Lo studio stabilisce una nuova base per l'utilizzo dell'ottimizzazione quantistica nella filogenomica, suggerendo che la prossima generazione di stima degli alberi delle specie sarà sia più veloce che più accurata di quanto sia possibile con i soli computer classici.
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.