Resource-Efficient Bio-Molecular Docking on a NISQ-era Digital Quantum Computer
Dit artikel stelt een middelen-efficiënt hybride kwantum-klassiek framework voor moleculaire docking voor en valideert dit experimenteel, dat het probleem herformuleert als een taak van een maximale vertex-gewogen clique, gebruikmaakt van een variationele full-basis encoding strategie met een bewezen pure producttoestand-optimizer, en de haalbaarheid demonstreert op een IBM kwantumcomputer om structuurgebaseerd medicijnontwerp te bevorderen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
In de race om nieuwe medicijnen te ontdekken, worden wetenschappers vaak geconfronteerd met een puzzel van verstikkende complexiteit. Ze moeten de perfecte manier vinden om een klein medicijnmolecuul, een ligand genoemd, in een specifieke holte van een groot eiwitdoelwit te laten passen, vergelijkbaar met het vinden van de exacte sleutel die een slot draait. Dit proces, bekend als moleculaire docking, is essentieel voor het ontwerpen van medicijnen die ziekten kunnen stoppen, maar het is ongelooflijk moeilijk omdat de moleculen flexibel zijn en in talloze vormen kunnen draaien. Het aantal mogelijke manieren waarop deze twee moleculen samen kunnen passen, groeit zo snel dat zelfs de krachtigste supercomputers ter wereld moeite hebben om elke optie te controleren zonder te veel tijd of energie te verbruiken. Om deze taak beheersbaar te maken, hebben onderzoekers geleerd de fysieke probleemstelling van het samenpassen van moleculen te vertalen naar een wiskundig spel van punten verbinden. In dit spel komt de beste pas overeen met het vinden van de meest waardevolle cluster van verbonden punten, een uitdaging die berucht moeilijk is voor computers om snel op te lossen.
Een team van onderzoekers heeft nu een nieuwe manier gedemonstreerd om dit probleem aan te pakken met behulp van de nieuwste generatie quantumcomputers. Deze machines, die zich momenteel in een vroege fase van ontwikkeling bevinden en gevoelig zijn voor ruis, zijn nog niet krachtig genoeg om de complexe algoritmen te draaien die nodig zijn voor grootschalige medicijnontwikkeling. De onderzoekers toonden echter aan dat ze, door een slimme truc te gebruiken om informatie te comprimeren, een specifieke versie van deze docking-puzzel op een echte quantumprocessor konden oplossen. Ze identificeerden succesvol de optimale bindingsconfiguratie voor twee verschillende medicijn-eiwitparen, waarmee ze bewezen dat deze fragiele, vroegtijdige machines kunnen helpen bij het moeilijke werk van het selecteren van de beste moleculaire interacties.
De onderzoekers begonnen met het omzetten van het fysieke probleem van het docken van een medicijn aan een eiwit in een graaf, een netwerk van punten en lijnen. Elk punt vertegenwoordigde een potentieel contact tussen een kenmerk van het medicijn en een kenmerk van het eiwit, zoals een waterstofbinding of een hydrofobe interactie. De lijnen verbonden punten die samen zouden kunnen bestaan zonder met elkaar in conflict te komen, waardoor een kaart ontstond van alle mogelijke geldige combinaties. Het doel was om de groep punten te vinden die allemaal met elkaar verbonden zijn en de hoogste totale waarde hebben, wat staat voor de sterkste en meest stabiele binding. Dit is een klassiek type wiskundig probleem dat bekend staat als het maximum vertex-weighted clique probleem. Hoewel klassieke computers dit kunnen oplossen, moeten ze vaak een enorme hoeveelheid mogelijkheden controleren, wat inefficiënt wordt naarmats de moleculen groter en flexibeler worden.
Om deze taak gemakkelijker te maken voor een quantumcomputer, ontwikkelde het team een methode om meer informatie in minder fysieke componenten te verpakken. Een standaard quantumcomputer gebruikt minuscule eenheden genaamd qubits om gegevens op te slaan, maar deze machines hebben momenteel zeer weinig beschikbare qubits. De onderzoekers realiseerden zich dat een enkele qubit niet slechts een eenvoudige schakelaar is die aan of uit kan staan; het is een complexer object dat door drie verschillende richtingen in de ruimte kan worden beschreven. Door al deze drie richtingen te gebruiken, konden ze drie afzonderlijke stukken informatie op een enkele qubit coderen, in plaats van de gebruikelijke één. Dit stelde hen in staat om de omvang van het probleem aanzienlijk te verkleinen, waardoor een grote graaf in een veel kleinere quantum-circuit paste die de huidige hardware daadwerkelijk kon verwerken.
Het team introduceerde ook een slimme manier om de zoektocht van de computer te starten. In plaats van te beginnen met een willekeurige gok, wat de computer vaak op een lang en onproductief pad leidt, gebruikten ze een klassieke computer om een paar stappen van een proces te simuleren dat het systeem van nature naar de beste oplossing leidt. Ze namen het resultaat van deze klassieke simulatie en gebruikten dit om de initiële staat van de quantumcomputer in te stellen. Deze "warm start" betekende dat de quantumprocessor zijn werk begon terwijl hij al dicht bij het antwoord zat, waardoor er veel minder stappen nodig waren om de uiteindelijke oplossing te vinden. Deze combinatie van het verpakken van meer data in minder qubits en het starten van de zoektocht vanuit een betere positie, stelde hen in staat om het hele proces op een echt quantumapparaat van IBM uit te voeren.
Toen ze deze aanpak testten op twee specifieke medicijn-eiwitparen, waarvan één een molecuul genaamd biotine betrof en het andere benzamidine, waren de resultaten veelbelovend. De quantumcomputer, die draaide op een apparaat met beperkte kracht en enige ruis, identificeerde succesvol dezelfde beste-pas-oplossing die een perfecte, ruisvrije simulatie zou hebben gevonden. De onderzoekers ontdekten dat hun methode niet alleen in staat was om het juiste antwoord te herstellen, maar dat dit ook betrouwbaarder en met een hogere succesratio gebeurde dan een traditionele methode die minder richtingen op elke qubit gebruikt. Ze observeerden dat de methode goed werkte, zelfs met een ondiepe circuit, wat betekent dat het geen diepe lagen van operaties vereiste die gevoelig zijn voor fouten op de huidige machines.
De studie beweert niet dat quantumcomputers de klassieke methoden voor medicijnontwerp hebben vervangen, noch suggereert het dat deze specifieke techniek het volledige probleem van het vinden van nieuwe medicijnen oplost. In plaats daarvan laat het zien dat quantumcomputers als een gespecialiseerde tool kunnen fungeren voor een specifieke, moeilijke stap in het proces: het selecteren van de beste set compatibele interacties uit een enorme lijst van mogelijkheden. De onderzoekers bewezen dat ze door een full-basis encoding strategie en een slimme initialisatietechniek te gebruiken, deze combinatorische problemen op de huidige imperfecte hardware konden oplossen. Dit werk biedt een concrete demonstratie dat hulpbron-efficiënte quantumalgoritmen op echte apparaten kunnen worden uitgevoerd, wat een potentieel pad biedt voor het gebruik van deze machines om te assisteren bij het rekenintensieve zware werk in biologisch onderzoek.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.