Practical protein-pocket hydration-site prediction for drug discovery on a quantum computer
이 논문은 실제 양자 장치에서 하이브리드 3D-RISM 및 QUBO 기반 최적화 접근 방식을 사용하여 단백질 포켓 수화 부위를 성공적으로 예측함으로써, 고전적 정밀도와 일치하면서도 완전한 양자 우위로 향하는 명확한 경로를 보여주는 동시에 신약 개발을 위한 노이지 중간 규모 양자(NISQ) 하드웨어의 실질적인 유용성을 입증한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
거대하고 복잡한 동굴 안에 아주 작고 완벽한 레고 성을 만들려고 한다고 상상해 보세요. 하지만 함정이 하나 있습니다. 동굴 안은 이미 벽과 서로에게 달라붙기를 좋아하는 보이지 않는 미끄러운 물방울들로 가득 차 있습니다. 만약 당신이 성(의약품)을 동굴 안에 완벽하게 배치하고 싶다면, 먼저 그 물방울들이 어디에 숨어 있는지 정확히 알아야 합니다. 신약 개발의 세계에서 과학자들은 이 숨겨진 방울들을 '수화 사이트(hydration sites)'라고 부릅니다. 물방으로 위치를 찾는 것은 마치 안개 낀 방을 어둠 속에서 탐색하는 것과 같습니다. 물 분자들은 끊임없이 움직이며 보이지 않는 사슬을 만들고 끊기를 반복하기 때문에, 그것들이 어디에 자리 잡을지 예측하는 것은 믿기 힘들 정도로 어렵습니다. 만약 이를 잘못 파악한다면, 당신의 약은 표적에 달라붙지 못할 것이고, 결국 약 전체가 실패하게 될 것입니다. 수십 년 동안 과학자들은 이 물방울들이 어디로 가는지 추측하기 위해 강력한 슈퍼컴퓨터를 사용해 왔지만, 수학적 계산이 너무 무겁고 공간이 너무 광대해서 가장 빠른 컴퓨터조차 때로는 길을 잃거나 답을 찾는 데 영원히 걸리기도 합니다.
이제, 숫자를 하나씩 더하는 대신, 마치 모든 벽을 동시에 통과해 보는 유령처럼 수많은 가능성을 한꺼번에 탐색하는 마법 같고 미래적인 계산기로 바꾸는 것을 상상해 보세요. 이것이 바로 양자 컴퓨팅이 약속하는 바입니다. 이 새로운 연구에서 연구팀은 이 마법 같은 계산기가 실제로 실생활의 약물 표적을 위한 '물방울 퍼즐'을 해결하는 데 도움이 될 수 있는지 테스트하기로 했습니다. 그들은 단순히 꿈만 꾼 것이 아니라, 실제 문제—즉, FDA 승인을 받은 약물의 표적이 되는 단백질의 포켓 안에 물이 어디에 위치하는지를 밝혀내는 문제—를 가져와 실제 양자 하드웨어를 사용하여 해결하려고 시도했습니다. 그들은 물 배치의 복잡한 문제를 'QUBO'라는 거대한 논리 퍼즐로 변환했습니다(이는 단지 "여기에 물이 있다" 또는 "물이 없다"와 같이 두 가지 옵션 중 하나를 선택하여 최고의 점수를 얻는 퍼즐이라는 뜻의 멋진 표현입니다). 그런 다음, 이 퍼즐을 실제 양자 컴퓨터로 보내 기존 방식보다 더 빠르고 더 좋게 최적의 배열을 찾아낼 수 있는지 확인했습니다.
결과는 "성공적이다!"와 "가고 있는 중이다"가 섞인 흥미로운 결과였습니다. 연구팀은 최대 123 큐비트(비트의 양자적 등가물)를 가진 IBM의 최신 양자 장치를 사용하여 물 배치 퍼즐을 성공적으로 실행했습니다. 그들은 양자 컴퓨터가 실제로 물 분자의 최적의 배열을 찾을 수 있으며, 그들이 시도한 작은 규모의 퍼즐에서는 최고의 고전적 방법들과 일치하는 정밀도를 보여주었다는 것을 발견했습니다. 실제로 일부 테스트 케이스에서 양자 솔버는 최적의 해답을 약 9%의 확률로 찾아냈는데, 이는 비교 대상으로 사용된 고전적인 컴퓨터 기법인 '시뮬레이티드 어닐링(금속을 냉각시키는 과정을 모방한 기술)'이 최적의 해를 약 2%의 확률로만 찾아낸 것보다 상당히 높은 수치였습니다. 이는 현재의 '노이즈가 있는(다소 결함이 있는)' 하드웨어 상태에서도 양자 컴퓨터가 이러한 특정 유형의 신약 개발 퍼즐을 처리할 능력이 이미 있음을 시사합니다.
하지만 이 논문은 아직 "우리가 이겼다!"라고 외치기에는 조심스러운 태도를 취하고 있습니다. 연구진은 양자 컴퓨터가 작은 규모의 퍼즐(변수 약 100개)에서는 잘 작동했지만, 신약 개발의 진짜 과제는 훨씬 더 큰 규모의 퍼즐에 있다는 것을 보여주었습니다. 더 상세하고 정확한 모델을 만들기 위해 변수를 늘렸을 때(최대 900개 또는 3,974개), 현재의 양자 컴퓨터는 아직 그 크기를 감당할 수 없었습니다. 그들은 더 큰 퍼즐에서 어떤 일이 일어날지 시뮬레이션하기 위해 고전 컴퓨터에 의존해야 했습니다. 시뮬레이션 결과, 퍼즐이 커질수록 물 예측의 정확도가 훨씬 높아져 알려진 물 위치의 최대 90%를 회복한다는 것을 보여주었습니다. 이 논문은 실제 양자 기계에서 이 정도 수준의 정확도에 도달하려면 약 1,000개의 큐비트와 실수 없이 수행할 수 있는 약 100,000개의 특정 양자 연산 능력이 필요할 것이라고 제안합니다. IBM과 같은 하드웨어 기업들의 로드맵을 바탕으로, 저자들은 우리가 2028년이나 2029년쯤에는 이를 수행할 수 있는 기계를 볼 수 있을 것으로 추정합니다.
그렇다면 핵심적인 결론은 무엇일까요? 이 논문은 양자 컴퓨터가 약을 만드는 데 있어 이미 슈퍼컴퓨터를 대체했다고 주장하는 것이 아닙니다. 대신, 그 아이디어가 실용적이라는 것을 증명합니다. 그들은 실제 세계의 약물 문제를 양자 컴퓨터에 성공적으로 매핑했고 좋은 결과를 얻었습니다. 또한 기술이 성장함에 따라 정확도가 더욱 향해질 것임을 보여주었습니다. 이것은 마치 새로운 종류의 엔진이 자동차를 도로 위로 달리게 할 수 있음을 보여주는 것과 같습니다. 아직 포뮬러 1 레이스카는 아니지만, 엔진이 작동한다는 것을 증명한 것이며, 몇 가지 업그레이드만 더해지면 결승선에 도달하는 가장 빠른 방법이 될 수 있음을 보여준 것입니다. 저자들은 하드웨어가 예상대로 계속 개선된다면, 이 접근 방식이 더 나은 의약품을 설계하는 데 도움을 주는 표준적인 도구가 될 잠재력이 있다고 결론지었습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.