QCS-ADME: Quantum Circuit Search for Drug Property Prediction with Imbalanced Data and Regression Adaptation

Probleemstelling

Het biomedische veld onderzoekt steeds vaker Quantum Machine Learning (QML) voor taken zoals het voorspellen van ADME-eigenschappen (Absorptie, Distributie, Metabolisme en Uitscheiding), die cruciaal zijn voor de geneesmiddelenontwikkeling. Bestaande frameworks voor Quantum Circuit Search (QCS) – die automatisch quantumcircuits ontwerpen – stuiten echter op twee specifieke uitdagingen bij ADME-taken:

1. Onevenwichtige datasets: Veel classificatietaken in de farmacologie hebben sterk onbalans tussen de klassen (bijv. veel meer negatieve dan positieve gevallen). Bestaande QCS-metrics negeerden dit vaak, wat leidde tot circuits die goed presteerden op de meerderheidsklasse maar faalden op de minderheidsklasse.
2. Regressie-taken: ADME omvat ook continue voorspellingen (bijv. halfwaardetijd, oplosbaarheid). Bestaande QCS-methoden zijn voornamelijk ontworpen voor discrete classificatie en missen mechanismen om continue gelijkenis tussen quantumtoestanden en targetwaarden te kwantificeren.

Bovendien zijn de huidige methoden vaak rekenkundig te duur of niet toepasbaar op realistische, complexe datasets zonder uitgebreid training, wat de zoektocht naar optimale circuits vertraagt.

Methodologie: QCS-ADME Framework

De auteurs stellen QCS-ADME voor, een training-vrij (training-free) framework dat de bestaande QCS-architectuur (gebaseerd op Elivagar) aanpast voor biomedische toepassingen. Het workflow bestaat uit vier fasen:

1. Data Preprocessing: SMILES-strings van moleculen worden omgezet naar 128-bit binaire vectoren (MACCS-keys).
2. Quantum Feature Mapping: Deze klassieke vectoren worden via een "Angle Embedding" laag gemapt naar een 7-qubit Hilbertruimte.
3. Quantum Circuit Search: Kandidaat-circuits worden gegenereerd en beoordeeld zonder training, gebruikmakend van een samengestelde score.
4. Selectie en Evaluatie: De top-circuits worden geselecteerd en getraind voor de uiteindelijke taak.

De kern van de innovatie ligt in de aanpassing van de scoring-mechanisme (de "proxy" voor prestaties):

• Aanpassing voor Onevenwichtige Classificatie (Weighted Matrix $R_w$):
  De oorspronkelijke Representational Capacity (RepCap) metric meet hoe goed een circuit klassen scheidt. Voor onevenwichtige data introduceerden de auteurs een gewogen matrix $R_w$. Hierbij krijgen paren van samples uit de minderheidsklasse een hogere weging (omgekeerd evenredig met de frequentie van de klasse). Dit dwingt de zoekalgoritme om circuits te vinden die ook de zeldzame klassen goed onderscheiden, in plaats van alleen de meerderheidsklasse te maximaliseren.

• Aanpassing voor Regressie (Gaussian Similarity):
  Voor regressie-taken werd de discrete referentiematrix vervangen door een continue referentiematrix gebaseerd op een Gaussian-similariteitsfunctie (RBF-kernel). In plaats van alleen te kijken of labels gelijk zijn, meet deze methode de afstand tussen continue targetwaarden. De quantumcircuit wordt hierdoor gestimuleerd om een geometrie in de Hilbertruimte te leren die isomorf is met de continue topologie van de regressie-doelen (d.w.z. vergelijkbare targetwaarden moeten vergelijkbare quantumtoestanden opleveren).

• Totale Score: De finale score is een combinatie van Clifford Noise Resilience (CNR, voor hardware-efficiëntie) en de aangepaste RepCap:
  $$Score = CNR^{\alpha} \times RepCap$$

Belangrijkste Bijdragen

1. Training-vrije scoring voor regressie: Een nieuwe methode om continuiteit in quantumtoestanden te meten, waardoor QCS voor het eerst effectief kan worden toegepast op regressieproblemen zonder kostbare training.
2. Dichtheidsbewuste weging: Een innovatieve matrix $R_w$ die de zoekruimte aanpast om de prestaties op minderheidsklassen te verbeteren, een kritiek punt bij farmacologische datasets.
3. Uitgebreide validatie: Toepassing op 12 ADME-taken (8 classificatie, 4 regressie) en een analyse van de "sim-to-real" kloof (verschil tussen simulatie en echte quantumhardware).

Resultaten

De auteurs hebben hun methode getest op datasets van het Therapeutics Data Commons (TDC).

• Correlatie met Prestaties:

  • De nieuwe scoring-methode toont een moderate tot sterke correlatie met de daadwerkelijke testprestaties (gemeten via Spearman-correlatie met testverlies).
  • Voor onevenwichtige classificatie (bijv. BBB_Martins, HIA_Hou) was de correlatie van de nieuwe score significant sterker dan die van de originele Elivagar-methode (die nauwelijks correleerde).
  • Voor regressie-taken werd een significante negatieve correlatie gevonden: circuits met een hogere score hadden een lager testverlies.

• Vergelijking met andere QCS-methoden:
  De door QCS-ADME geselecteerde circuits presteerden over het algemeen beter of waren vergelijkbaar met andere state-of-the-art methoden zoals QuantumNAS en de originele Elivagar, vooral op metrics zoals F1-score en PR-AUC.

• Vergelijking met Klassieke ML:

  • Classificatie: De QML-circuits waren competitief met klassieke modellen (XGBoost, Random Forest) op sommige taken (bijv. hoge F1-score op BBB_Martins), maar bleven vaak achter op PR-AUC.
  • Regressie: Er is een significante prestatiekloof met klassieke modellen. Klassieke algoritmen behaalden veel lagere Mean Squared Error (MSE) waarden dan de QML-circuits.

• Simulatie vs. Real Hardware:

  • Bij overgang naar echte hardware (IBM Rensselaer processor) daalde de prestatie over het algemeen door ruis (noise).
  • Opmerkelijke uitzondering: Bij de classificatietaken Bioavailability_Ma verbeterden de resultaten op echte hardware ten opzichte van de simulatie. Dit suggereert dat ruis in sommige gevallen als een regularisator kan fungeren.
  • Bij regressie-taken was de "sim-to-real" kloof echter groot en negatief, met een toename in fouten en instabiliteit.

Betekenis en Conclusie

Het paper demonstreert dat QCS-ADME een belangrijke stap is in het toepasbaar maken van Quantum Circuit Search voor complexe, real-world biomedische problemen. Door de scoring-mechanismen aan te passen voor onevenwichtige data en regressie, kunnen onderzoekers nu sneller en effectiever quantumcircuits zoeken voor geneesmiddelenontwikkeling.

Hoewel de methodologie de zoektocht naar circuits verbetert en de correlatie met prestaties verhoogt, blijft de prestatiekloof met klassieke machine learning, vooral bij regressie-taken, een uitdaging. De studie benadrukt ook de complexe rol van hardware-ruis: deze is vaak schadelijk, maar kan in specifieke classificatiescenario's paradoxaal genoeg de generalisatie verbeteren. Toekomstig werk moet zich richten op het verkleinen van de "sim-to-real" kloof en het ontwikkelen van ruis-resistente circuitarchitecturen.