Quantum Approximate Optimisation Algorithm for Protein Sidechain Packing

技術要約：タンパク質側鎖パッキングのための量子近似最適化アルゴリズム

問題定義
タンパク質の側鎖パッキングは、タンパク質折り畳みにおける極めて重要なサブ問題であり、固定されたバックボーンに対するアミノ酸側鎖（ロタマー）の三次元的な配置を決定するものである。このプロセスは、結合部位が側鎖のコンフォメーションによって定義されるため、構造ベースの創薬において不可欠である。AlphaFold2のようなツールはタンパク質のバックボインを高い信頼度で予測できるが、その側鎖の位置付けは実験データから最大20%逸脱することがある。固定されたバックボーンに対して最低エネルギーのロタマー割り当てを回収する作業は、NP困難な組合せ最適化問題である。Rosettaの確率的モンテカルロ探索のような古典的なヒューリスティックは、大域的最適性を保証しない。本論文では、側鎖エネルギー最小化を、量子近似最適化アルゴリズム（QAOA）によって解決可能な二次無制約バイナリ最適化（QUBO）問題として再定式化することにより、この問題に対処するハイブリッド量子・古典パイプラインを提案する。

手法
提案されたパイプラインは、前処理、QAOA最適化、後処理の3つのステージで動作する。

1. 前処理および固定バックボーンへの還元：
   PyRosettaを用い、パイプラインはタンパク質のサブセクション（例：牛膵トリプシンインヒビター、5PTI）を解析し、AlphaFold2から得られたバックボーン座標を固定する。その後、Dunbrackライブラリに基づいた有効なロタマーの離散ライブラリを生成する。計算複雑性を管理するため、ロタマーセットは一体型エネルギーに基づくラウンドロビン選択によって枝刈りされ、残基あたりの候補数（$R$）が制限される。これにより、タスクは全コンフォメーションエネルギーを最小化するために、各残基から枝刈りされたセットから正確に1つのロタマーを選択することへと簡略化される。

2. QUBO定式化：
   ペアワイズエネルギー関数（一体系および二体系の相互作用項で構成される）は、Pauli-Z演算子を用いてコストハミルトニアン（$H_C$）にエンコードされる。ワンホットエンコーディングスキームが採用され、各有効なロタマーに1つの量子ビットが割り当てられる。これにより、量子ビット数は線形に増加する（$M$ 個の残基と平均 $N$ 個のロタマーの場合 $MN$）が、コストハミルトニアンの項は最悪の場合で二次スケールとなる。ただし、実用的な疎性により、これは $O(MN \cdot d)$ に削減される。

3. 制約保存型アンザッツ：
   コスト関数におけるペナルティ項に頼ることなく、「ワンホット」制約（各残基につき正確に1つのロタマーを選択すること）を強制するために、著者らは特定のアンザッツを導入している：

   • 初期状態： システムはW状態、すなわち各残基のサブレジスタにおけるすべての単一励起基底状態の等価重ね合わせとして初期化される。これにより、システムは常に有効なハミング重み1のサブスペース内で開始されることが保証される。
   • ミキサー・ハミルトニアン： 完全結合グラフミキサー（2量子ビットゲートが $O(MN^2)$ でスケールする）の代わりに、巡回的なXYリングミキサーが使用される。これは、相互作用を閉じたループ内の隣接するロタマーに限定する。このトポロジーはハミング重みを保持し（進化の過程を通じて妥当性が維持されることを保証）、2量子ビットゲートのスケーリングを $O(MN)$ に低減させる。
   • 最適化戦略： ウォームスタート・アプローチが利用されている。ここでは、より深い回路（$p$）のパラメータが、より浅い回路で最適化されたパラメータを使用して初期化され、新しい層はゼロパディングおよびガウスノイズによる摂動が付与されることで、サドルポイントからの脱出を図る。

4. 評価指標：

   • $\Delta E$： AlphaFoldのベースラインとのエネルギー差（$E_{QAOA} - E_{AF}$）。結果は、勝ち（Wins: $\Delta E < -1.5$ kcal/mol）、引き分け（Ties: $|\Delta E| \le 1.5$ kcal/mol）、負け（Losses: $\Delta E > 1.5$ kcal/mol）に分類される。
   • $S(N)$（漸近的ショットスケーリング指標）： 99.99%の確率でグローバル最小エネルギーコンフォメーション（GMEC）を回収するために必要なショット数を推定するために定義された指標。これは、最適化の質とAlphaFoldベースラインの質を切り離すために、実験的に解明された真理値（小規模なサブシステムに対して網羅的に探索されたもの）に対して計算される。

主な結果
パイプラインは、GPUを用いた古典的な状態ベクトルシミュレーション上で5PTIタンパク質に対して評価された。

• 高信頼領域（pLDDT > 90）： AlphaFoldのバックボーンおよび側鎖予測が非常に信頼できる領域では、QAOAパイプラインによる改善は限定的であった。5〜14量子ビットにおいて、勝ち（Wins）は15.6%の実行で発生し、特定の残基ウィンドウ（例：60–63）に集中していた。量子ビット数が18および22に増加すると、勝率はゼロに低下し、結果は主に引き分けとなった。著者らはこれを「離散化ペナルティ」に起因すると考えている。つまり、すでに最適に近い連続的なAlphaFoldのコンフォメーションを有限の離散ライブラリに強制すると、これは量子ソルバーの失敗ではなく、離散的な探索空間が連続的なベースラインよりも制限的であるために、エネルギー状態が高くなってしまうのである。
• 中程度の信頼領域（pLDDT $\approx$ 80）： AlphaFoldの側鎖配置の信頼性が低い領域では、パイプラインは顕著な改善を達成した。1,500回の実行（5–14量子ビット）において、54%が勝ちであり、平均改善量は -8.114 kcal/mol、ピークは -16.265 kcal/mol であった。著者らは、これらの利得はAlphaFoldベースラインの弱さを反映したものであり、量子ソルバー固有の優位性を示すものではないことを明確にしている。なぜなら、$S(N)$ は、候補セット内における最適解を見出すというオプティマイザの能力を、ベースラインの質とは無関係に確認しているからである。
• ショットスケーリング（$S(N)$）： フィッティングされた必要ショット数の成長率（$e^{0.31N}$）は、中程度のロタマーの柔軟性において、古典的な網羅的探索のレートを下回っていた。この指標は、必要なサンプリングオーバーヘッドが、総量子ビット数だけでなく、特定の局所的なエネルギー景観や残基の選択に敏感であることを示した。

意義および主張
本論文は、NP困難な側鎖パッキング問題に効果的に対処する、実行可能なハイブリッド量子・古典パイプラインを提示していると主張している。その主な貢献は以下の通りである：

1. 制約保存型アンザッツ： W状態の初期化と巡回的XYリングミキサーを組み合わせた斬新な手法により、構造的にワンホットの妥当性を強制し、ペナルティ項を排除するとともに、2量子ビットゲートのスケーリングを $O(MN^2)$ から $O(MN)$ へと低減させた。
2. ベースラインに依存しない評価： $S(N)$ 指標の導入により、出発点となるAlphaFold構造の質とは独立して、理論的な最適解（GMEC）に対するQAOAの性能を評価することが可能となった。これにより、ソルバーの失敗と、連続的な問題を離散化することに伴う固有の限界を区別できる。
3. 概念実証： 量子最適化が、特に古典的なベースラインが弱い領域において、AlphaFoldのベースラインよりもコンフォメーションエネルギーを下げられることを実証した。

著者らは、中程度の信頼領域で見られたエネルギー改善が、量子による問題解決自体の優位性ではなく、ベースラインの弱さに起因するアーティファクトである可能性についても言及しており、その主張は控えめである。彼らは、本手法の創薬への有用性を確立するためには、結合親和性や構造安定性に対するダウンストリームの検証が必要であると強調している。さらに、5PTI以外のタンパク質に対する $S(N)$ 予算の汎用性や、実際の量子デバイスにおけるハードウェアノイズの影響については、依然として未解決の課題として残されている。