Дослідники з компаній IBM та Moderna досягли визначного прориву у галузі квантових обчислень, успішно застосувавши квантовий алгоритм моделювання для передбачення складної вторинної білкової структури послідовності мРНК завдовжки 60 нуклеотидів. Це найдовша послідовність, яку коли-небудь моделювали на квантовому комп’ютері, що перевищує попередній рекорд у 42 нуклеотиди. Це досягнення має далекосяжні наслідки для розробки високоефективних вакцин.
Молекула, що творить життя
МРНК, або матрична рибонуклеїнова кислота, є надзвичайно важливою молекулою у біології. Вона слугує своєрідним посланцем, що переносить генетичну інформацію від ДНК – сховища всіх генетичних даних клітини – до рибосом. Рибосоми ж, у свою чергу, є складними молекулярними машинами, присутніми у всіх живих клітинах, які відповідають за синтез білків. Саме мРНК керує цим процесом, визначаючи, які білки та в якій послідовності мають бути створені. Завдяки цій своїй здатності мРНК стала основою для створення надзвичайно ефективних вакцин, здатних викликати специфічні імунні відповіді організму.
Загальновизнано, що вся інформація, необхідна для прийняття білком правильної тривимірної конформації, або його “згортання”, міститься в послідовності його амінокислот. Однак, незважаючи на те, що мРНК складається лише з однієї нитки амінокислот, її вторинна білкова структура утворена низкою згортань, які надають конкретній молекулі її специфічної тривимірної форми. Кількість можливих варіантів згортання зростає експоненційно з додаванням кожного нового нуклеотиду. Це робить завдання передбачення форми молекули мРНК майже нерозв’язним у великих масштабах, оскільки обчислювальна складність зростає катастрофічно.
Від класики до кванту: долаючи бар’єри
Традиційно, передбачення структури білків базувалися на бінарних, класичних комп’ютерах та моделях штучного інтелекту (ШІ), таких як AlphaFold від Google DeepMind. Google DeepMind – це провідна британська компанія, що займається розробкою штучного інтелекту, належить Alphabet Inc. Відома своїми досягненнями у глибокому навчанні та розробці ШІ, що перемагає людей у складних іграх, а AlphaFold – це її програма штучного інтелекту, що може передбачати тривимірну структуру білків за їхньою амінокислотною послідовністю. Ці класичні архітектури здатні обробляти послідовності мРНК, що складаються з “сотень або тисяч нуклеотидів”, але лише за умови виключення складніших елементів, таких як “псевдовузли”.
Псевдовузли – це складні вигини та форми у вторинній структурі молекули, які здатні вступати у більш комплексні внутрішні взаємодії, ніж звичайні згортання. Їхнє виключення обмежує потенційну точність будь-якої моделі передбачення згортання білків. Розуміння та передбачення навіть найдрібніших деталей білкових згортань молекули мРНК має визначальне значення для розробки точніших передбачень і, як наслідок, ефективніших вакцин на основі мРНК.
Квантовий стрибок у біологію
Саме тому вчені сподіваються подолати обмеження, властиві найпотужнішим суперкомп’ютерам та моделям ШІ, доповнюючи експерименти квантовими технологіями. Компанія IBM, американська транснаціональна технологічна корпорація та один зі світових лідерів у галузі комп’ютерних технологій, спільно з Moderna, американською біотехнологічною компанією, відомою своїми мРНК-вакцинами, провели низку експериментів. Вони використовували алгоритми квантового моделювання, які спиралися на кубіти – квантові еквіваленти комп’ютерного біта – для моделювання молекул. На відміну від класичних бітів, що можуть бути лише в стані 0 або 1, кубіти здатні перебувати у суперпозиції цих станів, що відкриває принципово нові можливості для обчислень.
Використовуючи початково лише 80 кубітів (зі 156 можливих) на квантовому процесорі IBM R2 Heron – одному з найсучасніших квантових процесорів IBM – команда застосувала варіаційний квантовий алгоритм на основі умовної оцінки ризику (CVaR-based VQA). Цей алгоритм оптимізації, змодельований за певними методами, що використовуються для аналізу складних взаємодій (наприклад, запобігання зіткненням чи фінансова оцінка ризиків), дозволив їм передбачити вторинну білкову структуру послідовності мРНК завдовжки 60 нуклеотидів.
Дослідники також масштабували експеримент, застосувавши нещодавні методи корекції помилок, щоб впоратися з “шумом”, що виникає під час квантових обчислень. У новій попередній науковій публікації на платформі arXiv (відкритий архів електронних препринтів наукових статей у галузі фізики, математики, інформатики та інших наук) команда попередньо продемонструвала ефективність експериментальної парадигми для запуску змодельованих прикладів з використанням до 156 кубітів для послідовностей мРНК до 60 нуклеотидів. Вони також провели попередні дослідження, демонструючи потенціал використання до 354 кубітів для тих самих алгоритмів у безшумних умовах.
Збільшення кількості кубітів, що використовуються для виконання алгоритму, а також масштабування алгоритмів для додаткових підпрограм, має призвести до точніших симуляцій та здатності передбачати довші послідовності. Проте дослідники зазначили, що “ці методи вимагають розробки передових методик для вбудовування цих специфічних для проблеми схем в існуюче квантове обладнання” – що вказує на потребу в кращих алгоритмах та архітектурах обробки для подальшого розвитку досліджень.
