IBM a Moderna simulovaly nejdelší vzor mRNA bez AI – místo toho použili kvantový počítač
Vědci v IBM a Moderna úspěšně použili algoritmus kvantové simulace k predikci komplexní sekundární proteinové struktury 60-nukleotidu dlouhého mRNA sekvence, nejdelší kdy simulovaný na a množství počítače.
Kyselina ribonukleová posel (mRNA) je molekula, která nese genetické informace z DNA do ribozomů. Řídí syntézu proteinů v buňkách a je na ni Vytvořte účinné vakcíny schopný podněcovat specifické imunitní odpovědi.
Jeho široce věřil To, že všechny informace potřebné pro protein k přijetí správné trojrozměrné konformace, je zajištěno jeho aminokyselinovou sekvencí nebo „skládáním“.
Přestože je tvořena pouze jedním pramenem aminokyselin, mRNA má sekundární proteinovou strukturu sestávající z řady záhybů, které poskytují specifický 3D tvar dané molekuly. Počet možných skládacích permutací se exponenciálně zvyšuje s každým přidaným nukleotidem. Díky tomu je výzva předpovídat, jaký tvar molekula mRNA bude mít neřešitelné ve vyšších měřítcích.
Experiment IBM a Moderna, nastíněný v a studie Poprvé zveřejněno pro mezinárodní konferenci IEEE o kvantovém počítači a inženýrství IEEE prokázalo, jak lze kvantové výpočetní techniky použít k rozšíření tradičních metod pro takové předpovědi. Tradičně tyto předpovědi obvykle se spoléhal binární, klasické počítače a Umělá inteligence (Ai) Modely jako Google Deepmind’s Alphafold.
Související: Program AI DeepMind Alphafold3 může předvídat strukturu každého proteinu ve vesmíru – a ukázat, jak fungují
Podle nové studie zveřejněné 9. května na předtisku arxiv Databáze, algoritmy schopné běžet na těchto klasických architekturách, mohou zpracovat sekvence mRNA s „stovkami nebo tisíci nukleotidů“, ale pouze vyloučením vyšších složitostí, jako jsou „pseudoknots“.
Pseudoknots jsou komplikované zvraty a tvary v sekundární struktuře molekuly, které jsou schopny se zapojit do Složitější interní interakce než obyčejné záhyby. Prostřednictvím jejich vyloučení je potenciální přesnost jakéhokoli modelu predikce proteinu v zásadě omezená.
Pochopení a předpovídání i nejmenších detailů proteinových záhybů molekuly mRNA je vnitřní pro rozvoj silnějších předpovědí a v důsledku toho, v důsledku toho Účinnější vakcíny na bázi mRNA.
Vědci doufají, že překoná omezení vlastní Nejsilnější superpočítače a modely AI rozšířením experimentů s kvantovou technologií. Vědci provedli několik experimentů pomocí algoritmů kvantové simulace, na které se spoléhaly qubits – Kvantový ekvivalent počítačového bitu – pro modelování molekul.
Zpočátku používat pouze 80 qubits (z možných 156) na R2 Heron jednotka pro zpracování kvantu (QPU) ,, tým použil variační kvantový algoritmus založený na riziku založeném na riziku (VQA na bázi CVAR)-kvantový optimalizační algoritmus modelovaný po určitých technikách použitých k analýze složitých interakcí, jako jsou například vyhýbání se kolizi a Techniky hodnocení finančního rizika -Chcete-li předpovídat sekundární proteinovou strukturu 60-nukleotidové sekvence mRNA.
Předchozí nejlepší pro simulační model založený na kvantovém Podle studiebyla 42-nukleotidová sekvence. Vědci také experiment upravili aplikací Nedávné techniky korekce chyb vypořádat se s šum generovaný kvantovými funkcemi.
V nové studii předtišku tým prozatímně prokázal účinnost experimentálního paradigmatu v běhu simulovaných instancí s až 156 qubits pro mRNA sekvence až 60 nukleotidů. Provedli také předběžný výzkum, který prokazuje potenciál využívat až 354 qubitů pro stejné algoritmy v bezplatném nastavení.
Zdánlivě by zvýšení počtu qubitů použitých ke spuštění algoritmu, zatímco měřítko algoritmů pro další podprogramy, by mělo vést k přesnějším simulacím a schopnosti předpovídat delší sekvence, uvedli.
Poznamenali však, že „tyto metody vyžadují vývoj pokročilých technik pro vložení těchto obvodů specifických pro problém do stávajícího kvantového hardwaru,“-naznačují, že k posílení výzkumu budou zapotřebí lepší algoritmy a zpracování architektur.
