Hybrid quantum-classical de novo design of MHC-binding peptides

あなたは、非常に特殊な古代の鍵に適合する新しい鍵を発明しようとしているところだと想像してください。生物学の世界では、これらの「鍵穴」はMHC分子と呼ばれ、細胞の表面に位置しています。その役割は、「鍵」（ペプチド）を保持して、免疫系に対して細胞内で何が起きているかを示すことです。もし鍵が完璧にフィットすれば、免疫系は目覚め、ウイルスやがんを撃退します。しかし、何十億もの可能性のある鍵が存在し、実際にフィットするものはごくわずかです。適切な鍵を見つけることは、銀河サイズの大きさがある干し草の山の中から針を探すようなものです。

通常、科学者はどの鍵が機能するかを推測するために、コンピュータプログラムを使用します。これらのプログラムは、探索すべき場所の「地図」と呼ばれる**事前分布（prior distribution）**から始まります。この地図は、懐中電灯の光のようなものだと考えてください。ほとんどの科学者は、標準的で退屈な懐中電灯の光（「ガウス」分布）を使用します。それは均一に広がり、信頼性は高いのですが、時には干し草の山の奇妙で隠れた隅々を見逃してしまうことがあります。

大きな実験：懐中電灯を交換する
この研究において、研究チームは大胆な問いを投げかけました。「もし、異なる種類の懐中電灯を使ったらどうなるだろうか？」と。標準的な光の代わりに、彼らは量子懐中電灯を使用しました。

彼らは、古典的なコンピュータの脳（生成敵対ネットワーク、またはGAN）と、実際の物理的なフォトニック量子プロセッサを組み合わせたパイプラインを構築しました。この量子マシンは、単に光を当てるだけではありません。量子物理学の奇妙なルールを利用して、通常のコンピュータでは模倣することが極めて困難な、非常に複雑な可能性の地図を作り出します。それは、量子懐中電灯が単に針が「ありそうな」場所を示すだけでなく、隠れたパターンを明らかにする方法で干し草の山全体を照らし出すようなものです。

彼らが発見したこと
チームはこのハイブリッドシステムを、131種類もの異なる鍵穴（HLAアレル）でテストしました。彼らはコンピュータに対し、各鍵穴に対して1,000個の潜在的な鍵を生成するよう指示し、それらが実際に適合するかどうかを確認しました。

ここからがエキサイティングな部分です。量子懐中電灯は、標準的な懐中電灯よりも多くの機能する鍵を見つけ出しました。しかも、それは単に少し優れたというレベルではありませんでした。最大の改善が見られたのは、鍵穴が希少であったり、あるいは特殊であったりする場合でした。つまり、標準的なコンピュータプログラムが通常苦戦するようなケースです。例えば、HLA-A*31:01やHLA-B*37:01のような希少な鍵穴を探索した際、量子手法は有意に多くの強力なバインダー（結合体）を見つけ出しました。実際、量子的な事前分布は、テストされたアレル数の**63%**において、標準的な事前分布を上回りました。

魔法の背後にある「理由」
なぜ量子的な地図がより優れた結果をもたらしたのでしょうか？ 研究者たちは、コンピュータが発明した鍵を調査しました。彼らは、量子的な手法が単にランダムな推測をしているのではないことを発見しました。量子的な手法は、優れた錠前屋がするように、鍵の最も重要な部分（「アンカー」位置）を正確に維持していました。しかし、鍵の他の部分については、より幅広い形状やサイズを探索していました。それは、量子懐中電灯によって、コンピュータが適切な場所でより創造的になれるようになり、標準的な硬直した懐中電灯が見逃していたユニークな解決策を見つけ出したようなものでした。

実世界でのテスト
コンピュータは推測することには長けていますが、生物学は一筋縄ではいきません。確信を得るために、チームは特定の3つの希少な鍵穴に対して生成されたトップ20の最良の鍵を取り出し、実際のラボ（in vitro）でテストを行いました。彼らは、ペプチド-MHC安定性ELISAというテストを用いて、それらの鍵が実際に鍵穴を安定させるかどうかを確認しました。

結果は有望でした。量子コンピュータが作成した鍵は、実際に鍵穴を安定させました。それらは画面上だけでなく、現実世界でも機能したのです。非常に特殊な形状を持ち、他のプログラムを混乱させるHLA-B*37:01という最もトリッキーな鍵穴に対しても、量子設計された鍵はしっかりと機能しました。ただし、研究者たちは、この特定のトリッキーな鍵穴については結果にややばらつきがあったことも指摘しています。つまり、一部の鍵は非常に強力でしたが、他のものは弱かったのです。これは、量子手法が新たな可能性を切り開く一方で、毎回完璧な的中を保証するものではないことを示唆しています。

これが意味すること（そして意味しないこと）
著者らは、これがすべてを解決する「魔法の弾丸」ではないと慎重に述べています。彼らは、使用したコンピュータがシミュレーション可能なほど小さかったため、まだ「量子優位性」を主張しているわけではないと明言しています。彼らは、量子コンピュータがすでにすべてのことにおいて高速で優れていると言っているわけでもありません。

むしろ、彼らは、構造化された非古典的な事前分布（量子の地図）を使用することが、役立つ「帰納バイアス（inductive bias）」として機能することを示唆しています。これは、コンピュータに優れた直感を与えるようなものだと考えてください。これは、希少な遺伝子型に対するワクチン設計のような、データが乏しく困難な問題において、量子によって生成された出発点を使用することが、コンピュータが解決空間をより効果的に探索する助けになることを示唆しています。

論文は、これは小さな一歩ではあるものの、実際の量子ハードウェアと古典的なAIを組み合わせることが、現在の手法が及ばない領域、特に希少で困難なケースにおいて、より優れた治療用分子の設計に役立つことを証明していると結論付けています。これは、量子懐中電灯が、最も大きく混乱した干し草の山の中から針を見つけ出すために必要な道具になるかもしれない、という概念実証なのです。