Logarithmic-scale variational quantum eigensolver for off-lattice protein structure prediction in continuous torsional angle space
이 논문은 큐비트 요구 사항을 선형에서 로그 단위로 줄임으로써 연속적인 비틀림 공간에서의 최초의 전원자(all-atom), 오프-래티스(off-lattice) 단백질 구조 예측을 가능하게 하는 로그 스케일 변분 양자 고유치 솔버를 소개하며, 시뮬레이터와 실제 양자 하드웨어 모두에서 작은 단백질에 대한 네이티브 유사 구조 회복을 성공적으로 입증하였다.
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
단백질은 생명을 유지하는 분자 기계로, 자신의 과업을 수행하기 위해 복잡한 3차원 형태로 스스로를 접습니다. 아미노산의 사슬이 어떻게 뒤틀리고 회전하여 최종적인 기능적 형태를 갖추게 될지 정확히 예측하는 것은 생물학에서 가장 까다로운 난제 중 하나였습니다. 수십 년 동안 과학자들은 이러한 형태를 시뮬레이션하기 위해 강력한 고전 컴퓨터에 의존해 왔지만, 단백질이 변형될 수 있는 가능한 방식의 수가 너무나 방대하여 가장 빠른 슈퍼컴퓨터조차 길을 잃지 않고 정답을 찾는 데 어려움을 겪습니다. 최근, 양자 컴퓨터라는 새로운 도구가 이 분야에 등장했습니다. 정보를 이진 비트로 처리하는 전통적인 기계와 달리, 양자 컴퓨터는 동시에 여러 상태로 존재할 수 있는 양자 비트, 즉 큐비트를 사용하여 가능성의 미로를 통과할 수 있는 잠재적인 지름길을 제공합니다. 그러나 이러한 기계를 단백질 접힘에 사용하려는 초기 시도들은 실제 생물학의 미세한 세부 사항을 놓치는 단순화되고 투박한 모델에 국한되었습니다.
클리블랜드 클리닉의 연구팀은 양자 컴퓨터를 사용하여 근접 미래의 양자 하드웨어로는 불가능하다고 여겨졌던 수준인 연속적인 전원자(all-atom) 공간에서 단백질 구조를 예측하는 방법을 입증함으로써 중요한 진전을 이루었습니다. 연구 논문으로 발표된 이들의 연구는 '양자 비틀림 폴더(Quantum Torsion Folder)'라고 불리는 새로운 알고리즘을 소개합니다. 단백질을 경직된 격자에 강제로 맞추는 대신, 이 방법은 단백질을 유연한 각도의 사슬로 취급하며, 백본(backbone)과 측쇄(side chain)의 비틀림 각도를 양자 상태의 위상(phase)에 직접 인코딩합니다. 팀은 로그 스케일링 전략을 사용하여, 전통적인 방식보다 기하급급적으로 적은 수의 큐비트를 사용하여 단백질의 복잡한 기하학적 구조를 표현할 수 있음을 보여주었습니다. 시뮬레이션에서 이 접근법은 두 개의 작은 단백질인 치뇰린(chignolin)과 트립 케이지(Trp-cage)의 모델을 성공적으로 생성했으며, 이는 실험적으로 결정된 형태와 매우 유사했습니다. 연구진이 실제 양자 하드웨어에서 이 방법을 테스트했을 때, 양자 신호가 실제 장치의 노이즈 속에서도 살아남아 자연스러운 구조를 복구해 냈음을 증명했습니다. 다만 결과는 특정 기계의 사용 여부에 따라 차이가 있었습니다.
단백질 접힘의 핵심 과제는 단백질의 크기에 따라 기하급급적으로 증가하는 가능성의 풍경을 탐색하는 것입니다. 긴 유연한 밧줄이 엉킬 수 있는 수십억 가지의 방법 중에서 단 하나의 특정한 배열을 찾는 과정을 상상해 보십시오. 고전 컴퓨터는 종종 국소적 골짜기(local valleys)에 갇혀, 올바른 형태가 아닌 안정적인 형태만을 찾아내곤 합니다. 연구진은 초점을 공간 좌표에서 단백질 사슬이 꺾이는 각도로 전환함으로써 이 문제를 해결했습니다. 새로운 프레임워크에서 양자 회로는 생성기 역할을 하여, 이러한 꺾임 각도를 인코딩하는 복잡한 확률 파동을 만들어냅니다. 그런 다음 고전 컴퓨터는 평가자 역할을 수행하여, 이 각도들을 가져와 단백질의 완전한 3D 모델을 구축하고, 원자들이 얼마나 잘 맞물리는지, 그리고 구조에 필요한 에너지가 얼마인지를 기준으로 물리적 안정성을 점수 매깁니다. 이는 양자 컴퓨터가 형태를 제안하면 고전 컴퓨터가 점수를 매기고, 다시 양자 컴퓨터가 매개변수를 조정하여 재시도하는 루프를 형성하며, 점진적으로 안정적인 접힘을 향해 구조를 정교화합니다.
현재의 양자 기계에서 이를 작동시키기 위해, 연구팀은 까다로운 문제를 해결해야 했습니다. 양자 컴퓨터는 각도 정보를 담고 있는 복잡한 위상을 직접 읽을 수 없다는 점입니다. 완벽한 시뮬레이터에서는 이러한 위상이 보이지만, 실제 하드웨어에서는 측정 가능한 특정 상태의 확률만을 관찰할 수 있습니다. 연구진은 영리한 우회 방법을 개발했습니다. 그들은 관측된 확률을 누적 분포로 매핑하여, 양자 칩의 노이즈가 섞인 측정 가능한 출력을 단백질 모델을 구축하는 데 필요한 연속적인 각도로 효과적으로 변환했습니다. 이를 통해 연구진은 고충실도 시뮬레이터와 실제 양자 프로세서 모두에서 동일한 알고리즘을 실행할 수 있었으며, 이론적 설계와 실제 실행 사이의 간극을 메웠습니다.
연구팀은 이 방법을 두 가지 잘 알려진 미니 단백질, 즉 좁은 헤어핀 모양으로 접히는 10개 잔기 길이의 작은 펩타이드인 치뇰린과, 더 복합적인 헬릭스 및 루프 혼합물을 가진 20개 잔기 길이의 약간 더 큰 트립 케이지에 대해 테스트했습니다. 그들은 각 단백질에 대해 수천 번의 독립적인 시뮬레이션을 실행했으며, 결과를 평가하기 위해 세 가지 다른 에너지 점수 시스템(이 작업을 위해 특별히 설계된 커스텀 함수, 널리 사용되는 Rosetta 소프트웨어, 그리고 OpenMM 물리 엔진)을 사용했습니다. 시뮬레이션에서 이 방법은 올바른 형태를 샘플링하는 데 놀라울 정도로 효과적임을 입증했습니다. 치뇰린의 경우, 최상의 모델은 실제 실험 구조와 차이가 1 옹스트롬(angstrom) 미만이었는데, 이는 단일 원자의 폭보다 작은 거리입니다. 더 어려운 트립 케이지의 경우에도, 이 방법은 최종 선택된 모델보다 훨씬 더 자연스러운 형태에 가까운 구조를 찾아냈으며, 이는 양자 컴퓨터가 올바른 접힘 풍경의 영역을 성공적으로 탐색하고 있음을 시사합니다.
연구의 핵심적인 통찰 중 하나는 최적화 과정에서 생성된 최종 모델이 항상 가장 정확한 것은 아니었다는 점입니다. 연구진은 접힘 과정 중에 촬영된 수천 개의 저에너지 스냅샷을 기록해 둠으로써, 알고리즘이 마지막에 안착한 구조보다 훨씬 더 나은 구조를 종종 찾을 수 있다는 것을 발견했습니다. 이는 양자 컴퓨터가 방대한 가능성의 공간을 탐색하고 유망한 후보를 찾는 데 탁-월하지만, 그 풀(pool)에서 단 하나의 최적의 후보를 선택하는 것이 과제임을 시사합니다. 커스텀 에너지 함수는 시스템을 조밀하고 자연스러운 형태에 유도하는 데 가장 효과적이었던 반 반면, 다른 점수 시스템들은 때때로 물리적으로는 안정적이지만 기하학적으로는 실제 접힘 구조에서 더 멀리 떨어진 구조를 선호했습니다.
이 접근 방식이 실제 하드웨어에서 작동하는지 검증하기 위해, 연구팀은 IBM의 두 가지 양자 프로세서인 ibm_cleveland과 ibm_miami에서 최적의 시뮬레이션 매개변수를 실행했습니다. 그들은 양자 측정의 내재적인 무작위성과 노이즈를 고려하여 각 기계에서 동일한 회로를 300번씩 실행했습니다. 결과는 고무적이었습니다. ibm_cleveland에서는 300번의 시도 중 88번에서 자연스러운 구조를 복구했으며, 최상의 모델은 1.758 옹스트롬의 정확도를 달しまいました. ibm_miami에서는 성공률이 더 낮아 300번 중 45개의 성공적인 구조를 찾아냈으며, 최상의 모델은 1.782 옹스트롬에 도달했습니다. 이러한 성능 차이는 알고리즘은 견고하지만, 양자 프로세서의 특정 하드웨어 아키텍처, 교정 및 노이즈 특성이 최종 결과에 중요한 역할을 한다는 점을 부각했습니다. 연구진은 ibm_miami 작업이 더 적은 게이트 수를 가졌음에도 불구하고 실행 시간이 훨씬 더 오래 걸렸다는 점을 언급하며, 단순한 회로 크기 외에도 펄스 스케줄링 및 측정 지연과 같은 요인이 효율성에 영향을 미친다고 지적했습니다.
이 연구는 문제가 기계의 한계를 존중하는 방식으로 구성된다면, 근접 미래의 양자 하드웨어에서 고해상도 단백질 구조 예측이 가능하다는 결론을 내립니다. 문제를 공간 좌표 탐색에서 양자 위상에 인코딩된 비틀림 각도 탐색으로 전환함으로써, 연구팀은 큐비트 요구량을 관리 가능한 수준으로 줄여 전원자 기반의 연속 공간 모델링을 가능하게 했습니다. 이 방법은 여전히 에너지 점수 산출의 정확성이나 노이즈가 있는 하드웨어로부터의 결과 읽기 오버헤드와 같은 과제에 직면해 있지만, 확장 가능한 토대를 구축하고 있습니다. 이 작업은 양자 컴퓨터가 단순화된 모델을 넘어 생물학적 분자의 실제적이고 연속적인 기하학적 구조를 다룰 수 있음을 보여주며, 생명의 근본적인 메커니즘을 이해하는 새로운 경로를 제시합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.