Американские исследователи из компаний IBM и Moderna использовали квантовое моделирование для прогнозирования сложной вторичной структуры белка последовательности мРНК длиной 60 нуклеотидов — самой длинной из когда-либо смоделированных на квантовом компьютере.
мРНК — матричная информационная рибонуклеиновая кислота — молекула переносящая генетическую информацию от ДНК к рибосомам. Она управляет синтезом белка в клетках и используется для создания вакцин, вызывающих специфический иммунный ответ.
Распространено мнение, что вся информация, необходимая для того, чтобы белок приобрел трехмерную конформацию, содержится в его аминокислотной последовательности. И хотя мРНК состоит из одной цепи аминокислот, она имеет вторичную белковую структуру, состоящую из из серии складок, которые обеспечивают специфическую трехмерную форму этой молекулы.
Количество вероятных вариантов свертывания увеличивается экспоненциально с каждым добавленным нуклеотидом. Это затрудняет предсказание формы молекулы РНК в больших масштабах. Эксперимент, проведенный IBM и Moderna еще в 2024 году, продемонстрировал, как квантовые вычисления могут быть использованы в качестве дополнительного инструмента для прогнозирования.
Традиционно такие прогнозы основывались на двоичных классических компьютерах и моделях искусственного интеллекта, таких как AlphaFold от Google DeepMind. В новом исследовании отмечается, что алгоритмы этих классических архитектур могут обрабатывать последовательности мРНК, состоящие из сотен и тысяч нуклеотидов, однако за исключением более сложных элементов, таких как «псевдоузлы».
Псевдоузлы представляют собой сложные изгибы и формы во вторичной структуре молекулы, способные к более сложным внутренним взаимодействиям, чем обычные складки. Из-за их исключения потенциальная точность любой модели прогнозирования свертывания белка принципиально ограничена.
Понимание и прогнозирование мельчайших деталей структуры белков молекулы мРНК имеет ключевое значение для разработки более надежных прогнозов и более эффективных вакцин на базе мРНК. Исследователи надеются преодолеть ограничения, присущие самым мощным суперкомпьютерам и моделям ИИ.
Ученые провели большое количество экспериментов, используя алгоритмы квантового моделирования, основанные на кубитах, для моделирования структуры молекул мРНК. Сначала они использовали только 80 кубитов из возможных 156 на квантовом процессоре R2 Heron. Исследователи применили вариационный квантовый алгоритм на основе условной ценности под риском — алгоритм квантовой оптимизации, смоделированный по образцу определенных методов, используемых для анализа сложных взаимодействий, таких как методы избегания столкновений и оценки финансовых рисков — чтобы предсказать вторичную структуру белка последовательности мРНК длиной 60 нуклеотидов.
До этого лучшим результатом для квантовой имитационной модели была последовательность из 42 нуклеотидов. Исследователи масштабировали эксперимент, применив современные методы исправления ошибок для устранения шума, генерируемого квантовыми флуктуациями.
Исследование продемонстрировало возможность эффективного применения квантовых вычислений для предсказания структуры мРНК длиной 60 нуклеотидов. Ученые также провели предварительное исследование, которое продемонстрировало возможность использования до 354 кубитов для тех же алгоритмов в условиях отсутствия шума.
По словам авторов исследования, увеличение количества кубитов, используемых для запуска алгоритма, при одновременном масштабировании алгоритмов для дополнительных подпрограмм должно значительно улучшить точность моделирования и возможности прогнозирования более длинных последовательностей. Однако эти методы требуют разработки передовых технологий для встраивания этих проблемно-ориентированных схем в существующее квантовое оборудование.
Результаты исследования опубликованы на сервере препринтов arXiv
Источник: LiveScience