Kvantemaskine viser løfte om biologisk forskning

Til dato, meget er blevet udtalt om løftet om kvanteberegning til utallige applikationer, men der har været få eksempler på en kvantefordel for virkelige problemer af praktisk interesse. Dette kan ændre sig med en ny undersøgelse fra USC Center for Quantum Information Science &Technology ved Viterbi School of Engineering og USC Dana og David Dornsife College of Arts, Breve og videnskaber. Forskere Richard Li, Rosa Di Felice, Remo Rohs, og Daniel Lidar har demonstreret, hvordan en kvanteprocessor kan bruges som et forudsigelsesværktøj til at vurdere en grundlæggende proces i biologi:bindingen af ​​genregulerende proteiner til genomet. Dette er et af de første dokumenterede eksempler, hvor en fysisk kvanteprocessor er blevet anvendt på reelle biologiske data. Forskningen blev udført på en D-Wave Two X-maskine ved USC Information Sciences Institute.

Visse sekvenser af DNA udgør gener, som er "instruktionerne" til fremstilling af proteiner, der klarer det meste af de tunge løft i en celle. Imidlertid, som reaktion på dets molekylære miljø, en celle skal muligvis have mere eller mindre af et bestemt protein for at udføre sin funktion. Denne komplekse proces til styring af produktionen af ​​proteiner er kendt som genregulering. De proteiner, der regulerer, hvilke gener der udtrykkes, er kendt som transkriptionsfaktorer (TF'er). For at udføre deres funktion, TF'er skal kunne finde og vedhæfte sig selv på bestemte steder i genomet.

Samlet set, det er endnu ikke helt klart, hvordan TF'er identificerer den lille brøkdel af funktionelle bindingssteder i genomet blandt mange næsten identiske, men ikke-funktionelle steder. Mere omfattende viden om DNA -transkription og proteindannelse er afgørende for forskere for at opnå en øget forståelse af, hvordan mutationer i proteiner, der er byggestenene i vores kroppe, føre til sygdom.

"Kvantecomputere kan hjælpe med at kaste lys over denne proces, "sagde undersøgelsens medsvarende forfatter Daniel Lidar.

"Vi valgte at angribe problemet ved hjælp af maskinlæring implementeret på en D-Wave quantum annealer, for at teste vores evne til at oversætte komplicerede virkelige biologiproblemer til indstillingen af ​​kvantemaskinlæring, og for at lede efter fordele, denne metode kan tilbyde frem for mere konventionel, endnu state-of-the-art klassisk maskinlæringsteknikker, "Tilføjede Lidar.

Et centralt trin i transkriptionen af ​​DNA er bindingen af ​​et protein. Imidlertid, bindingshændelsen vil kun ske, når visse betingelser er opfyldt:en bestemt sekvens af bogstaverne i DNA -alfabetet (adenin, thymin, guanin og cytosin) og kun på det rigtige sted på en DNA -streng kendt som et bindingssted. Et muligt bindingssted er kun funktionelt i mindre end en procent af omstændighederne, siger undersøgelsens anden medsvarende forfatter Rohs, professor i biologiske videnskaber, kemi, fysik, og datalogi, der også er fakultetsmedlem i det nye USC Michelson Center for Convergent Bioscience.

Kemi -ph.d. -kandidat Richard Li, beregningsmæssig nano/biofysiker Rosa Di Felice, kvantecomputeringsekspert og Viterbi professor i teknik Daniel Lidar sammen med beregningsbiolog Remo Rohs forsøgte at anvende maskinlæring for at udlede modeller fra biologiske data for at forudsige, om visse sekvenser af DNA repræsenterede stærke eller svage bindingssteder for binding af et bestemt sæt transkriptionsfaktorer. De mønstre og modeller, som kvanteprocessoren har lært, blev derefter anvendt til at estimere bindingsstyrken for en række sekvenser, for hvilke det var ukendt, om et protein ville binde til dem. Den algoritme, de udviklede specifikt til D-Wave Two X-kvanteudglødningsmaskinen, førte til forudsigelser, der var i overensstemmelse med eksperimentelle data fra den virkelige verden.

Kortlægning af et reelt biologisk problem til en kvantecomputer

Til denne undersøgelse, quantum D-Wave Two X-processoren syntes at have evnen til at klassificere bindingsstederne som stærke eller svage. En nyhed i undersøgelsen var kortlægning af et biologisk problem ved hjælp af faktiske protein-DNA-bindingsdata til en kvantechip. Kvantemaskinen var også i stand til at generere konklusioner, der var i overensstemmelse med en biologes nuværende forståelse af genregulering. I dette tilfælde, kvantekortlægningen resulterede i det korrekte bindingssted for udvalgte proteiner.

"Evnen til at udføre dette arbejde på en kvantecomputer er et vigtigt skridt fremad og foreslår fremtidige anvendelser af en konvergens mellem biologi og kvanteinformation, "sagde Rohs.

Forskerne understreger, at i sin nuværende form, undersøgelsen anvender en forenklet version af biologiske data og har en "proof-of-princip" karakter. De tror, ​​at når kvanteprocessorer kendt som annealere akkumulerer qubits og har øget processorkraft, mere komplekse cellulære determinanter for genregulering, som Rohs i øjeblikket studerer, kan kodes for nye modeller, der bruger kvantecomputere.

Det angiver også en fremtid, hvor kvanteinformation kan konvergere med andre discipliner, der stærkt er afhængige af beregningsstrategier, såsom materialevidenskab og nanoteknologi.