Logarithmic-scale variational quantum eigensolver for off-lattice protein structure prediction in continuous torsional angle space
本論文は、量子ビットの必要量を線形から対数へと削減することで、連続的なねじれ空間における初の全原子・オフラティス（非格子）タンパク質構造予測を可能にする対数スケール変分量子固有値ソルバーを紹介し、シミュレータおよび実機の量子ハードウェアの両方において、小規模タンパク質のネイティブに近い構造回復に成功したことを実証するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
タンパク質は、生命を維持するための分子機械であり、その機能を果たすために複雑な三次元構造へと折り畳まれます。アミノ酸の連鎖がどのようにねじれ、回転して最終的な機能形態へと至るのかを正確に予測することは、生物学における最も困難なパズルの一つでした。数十年にわたり、科学者たちはこれらの形状をシミュレートするために強力な古典的コンピュータに頼ってきましたが、タンパク質がとり得る形態の数はあまりにも膨大であるため、最速のスーパーコンピュータであっても、迷路の中で正しい答えを見つけ出すのに苦労します。最近、この分野に新しいツールが登場しました。それが量子コンピュータです。情報をバイナリビットで処理する従来の機械とは異なり、量子コンピュータは量子ビット（qubit）を使用します。量子ビットは複数の状態に同時に存在できるため、可能性の迷路を通り抜けるためのショートカットを提供できる可能性があります。しかし、これらのマシンをタンパク質の折り畳みに使用する初期の試みは、簡略化されたブロック状のモデルに限定されており、実際の生物学の微細な詳細を見落としていました。
クリーブランド・クリニックの研究チームは、近未来の量子ハードウェアでは不可能と考えられていたレベルの詳細さ、すなわち連続的な全原子空間においてタンパク質構造を予測する手法を実証し、大きな一歩を踏み出しました。彼らの研究は、論文として発表された「量子トーション・フォルダー（Quantum Torsion Folder）」と呼ばれる新しいアルゴリズムを紹介しています。タンパク質を硬直した格子状に押し込めるのではなく、この手法はタンパク質を柔軟な角度の連鎖として扱い、主鎖と側鎖のねじれ角を量子状態の位相に直接エンコードします。対数スケーリング戦略を用いることで、チームは複雑なタンパク質の幾何学的構造を、従来の手法よりも指数関数的に少ない量子ビット数で表現できることを示しました。シミュレーションにおいて、このアプローチは2つの小さなタンパク質、チグノリン（chignolin）とTrp-cageのモデルを生成することに成功し、それらは実験的に決定された形状と密接に一致していました。研究者が実際の量子ハードウェア上でこの手法をテストした際、量子信号が現実世界のデバイスのノイズを生き残り、ネイティブに近い構造を回収できることが証明されましたが、結果は使用した特定のマシンによって変動しました。
タンパク質折り畳みの核心的な課題は、タンパク質のサイズとともに指数関数的に増大する可能性のランドスケープをナビゲートすることにあります。長い柔軟なロープの膨大な絡まり方の中から、特定のたった一つの配置を見つけ出そうとする場面を想像してみてください。古典的なコンピュータはしばしば局所的な谷に陥り、正しい形ではなく、安定ではあるものの正解ではない形状を見つけてしまいます。研究者たちは、空間座標から、タンパク質鎖が曲がる角度へと焦点を移すことで、この問題に対処しました。彼らの新しいフレームワークでは、量子回路がジェネレーター（生成器）として機能し、これらの曲がり角をエンコードした複雑な確率の波を作り出します。次に、古典的なコンピュータがエバリュエーター（評価器）として機能し、これらの角度を取り込み、原子がどのようにフィットするかや、その構造にどれだけのエネルギーを必要とするかに基づいてスコアを付けながら、タンパク質の完全な3Dモデルを構築します。これにより、量子コンピュータが形状を提案し、古典的コンピュータがそれを採点し、量子コンピュータがパラメータを調整して再度試行するというループが生まれ、構造を安定した折り畳みへと段階的に洗練させていきます。
現在の量子マシンでこれを実現するために、チームは厄介な問題に対処しなければなりませんでした。量子コンピュータは、角度情報を持つ複雑な位相を直接読み取ることができないという点です。完璧なシミュレーター上では、これらの位相は可視ですが、実際のハードウェアでは、測定される特定の確率のみが観測可能です。研究者たちは巧妙な回避策を開発しました。彼らは観測された確率を累積分布へとマッピングし、量子チップのノイズの多い測定可能な出力を、タンパク質モデルを構築するために必要な連続的な角度へと事実上翻訳したのです。これにより、高忠実度のシミュレーターと実際の量子プロセッサの両方で同じアルゴリズムを実行することが可能になり、理論的な設計と実践的な実行の間の溝を埋めることができました。
チームは、この手法を2つのよく知られた小型タンパク質、すなわち、タイトなヘアピン形状に折り畳まれる10残基のペプチドであるチグノリンと、ヘリックスとループのより複雑な混合物を持つ、やや大きな20残基のタンパク質であるTrp-cageを用いてテストしました。彼らは各タンパク質に対して数千回の独立したシミュレーションを実行し、結果を評価するために3つの異なるエネルギー・スコアリング・システムを使用しました。具体的には、このタスクのために特別に設計されたカスタム関数、広く使用されているRosettaソフトウェア、およびOpenMM物理エンジンです。シミュレーションにおいて、この手法は正しい形状をサンプリングすることに極めて効果的であることが証明されました。チグノリンの場合、最良のモデルは高い精度に達し、一部のスナップショットは真の実験構造と1オングストローム未満の差しかありませんでした。これは単一の原子の幅よりも小さい距離です。より困難なTrp-cageに対しても、この手法はネイティブな形態に非常に近い構造を見つけ出し、量子コンピュータが正しい折り畳みのランドスケープの領域を正常に探索していることを示唆しました。
この研究における重要な洞察は、最適化プロセスによって生成された最終モデルが、必ずしも最も正確なモデルであるとは限らないということでした。研究者たちは、折り畳みの過程で取得された数千の低エネルギー・スナップショットを記録しておくことで、アルゴリズムが最後に落ち着いた構造よりも、大幅に優れた構造を見つけられることが多いことを発見しました。これは、量子コンピュータが広大な可能性の空間を探索し、有望な候補を見つけ出すことには優れているものの、課題はそのプールの中から単一の最良の候補を選択することにあることを示唆しています。カスタムエネルギー関数は、システムをコンパクトでネイティブに近い形状へと導く上で最も優れた性能を示しましたが、他のスコアリングシステムは、物理的には安定しているものの、幾何学的には真の折り畳みから離れた構造を好むことがありました。
このアプローチが実際のハードウェア上で機能することを検証するため、チームはIBMの2つの異なる量子プロセッサ、ibm_clevelandとibm_miami上で、最高のシミュレーションパラメータを実行しました。量子測定の固有のランダム性とノイズを考慮して、各マシンで同じ回路を300回実行しました。結果は心強いものでした。ibm_clevelandでは、300回の試行のうち88回でネイティブに近い構造が回収され、最良のモデルは1.758オングストロームの精度を達成しました。ibm_miamiでは、成功率はより低くなり、300回中45回の成功構造が得られ、最良のモデルは1.782オングストロームに達しました。このパフォーマンスの差は、アルゴリズム自体は堅牢であるものの、量子プロセッサの特定のハードウェア・アーキテクチャ、キャリブレーション、およびノイズ特性が最終的な結果に大きな役割を果たすことを浮き彫りにしました。研究者らは、ibm_miamiのジョブは、ゲート数がより少ないにもかかわらず実行に大幅に時間がかかったことを指摘しており、単純な回路サイズだけでなく、パルス・スケジューリングや測定遅延といった要因が効率に影響を与えることを示しています。
本研究は、問題がマシンの制限を尊重するように構成されている限り、高解像度のタンパク質構造予測は近未来の量子ハードウェア上で実現可能であると結論付けています。問題を空間座標の探索から、量子位相にエンコードされたねじれ角の探索へと変換することで、チームは量子ビットの要件を管理可能なレベルに削減し、全原子による連続空間モデリングを可能にしました。この手法は、特にエネルギー・スコアリングの精度や、ノイズの多いハードウェアからの結果の読み出しにかかるオーバーヘッドなどの課題に依然として直面していますが、スケーラブルな基礎を確立しています。この研究は、量子コンピュータが粗い簡略化されたモデルを超えて、生物学的分子の現実的かつ連続的な幾何学に取り組むことができることを実証しており、生命の根本的なメカニズムを理解するための新たな経路を提供しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。