Crédito:CC0 Public Domain
Hasta la fecha, Se ha dicho mucho sobre la promesa de la computación cuántica para una miríada de aplicaciones, pero ha habido pocos ejemplos de una ventaja cuántica para problemas de interés práctico del mundo real. Esto podría cambiar con un nuevo estudio del Centro de Ciencia y Tecnología de la Información Cuántica de la USC en la Escuela de Ingeniería de Viterbi y la Facultad de Artes Dana y David Dornsife de la USC, Letras y Ciencias. Investigadores Richard Li, Rosa Di Felice, Remo Rohs, y Daniel Lidar han demostrado cómo un procesador cuántico podría utilizarse como herramienta predictiva para evaluar un proceso fundamental en biología:la unión de proteínas reguladoras de genes al genoma. Este es uno de los primeros ejemplos documentados en los que se ha aplicado un procesador cuántico físico a datos biológicos reales. La investigación se realizó en una máquina D-Wave Two X en el Instituto de Ciencias de la Información de la USC.
Ciertas secuencias de ADN forman genes, que son las "instrucciones" para producir proteínas que hacen la mayor parte del trabajo pesado dentro de una célula. Sin embargo, en respuesta a su entorno molecular, una célula puede necesitar tener más o menos de una determinada proteína para llevar a cabo su función. Este complejo proceso de control de la producción de proteínas se conoce como regulación génica. Las proteínas que regulan qué genes se expresan se conocen como factores de transcripción (TF). Para el desempeño de su función, Los TF deben poder encontrarse y unirse a sí mismos en ubicaciones específicas del genoma.
En general, todavía no está del todo claro cómo los TF identifican la pequeña fracción de sitios de unión funcionales en el genoma entre muchos sitios casi idénticos pero no funcionales. Un conocimiento más completo de la transcripción del ADN y la formación de proteínas es fundamental para que los científicos logren una mayor comprensión de cómo las mutaciones en las proteínas que son los componentes básicos de nuestro cuerpo, conducir a la enfermedad.
"Las computadoras cuánticas podrían ayudar a arrojar luz sobre este proceso, ", dijo el coautor del estudio, Daniel Lidar.
"Elegimos atacar el problema utilizando el aprendizaje automático implementado en un annealer cuántico D-Wave, con el fin de probar nuestra capacidad para traducir problemas biológicos complicados de la vida real al entorno del aprendizaje automático cuántico, y buscar las ventajas que este enfoque podría ofrecer sobre los más convencionales, sin embargo, técnicas clásicas de aprendizaje automático de última generación, "Agregó Lidar.
Un paso clave en la transcripción del ADN es la unión de una proteína. Sin embargo, el evento de unión ocurrirá solo cuando se cumplan ciertas condiciones:una secuencia particular de las letras del alfabeto de ADN (adenina, timina, guanina y citosina) y solo en el lugar correcto en una hebra de ADN conocida como sitio de unión. Un posible sitio de unión solo es funcional en menos del uno por ciento de las circunstancias, dice el otro coautor del estudio, Rohs, profesor de ciencias biológicas, química, física, y ciencias de la computación, quien también es miembro del cuerpo docente del nuevo Centro Michelson de Biociencia Convergente de la USC.
El candidato a doctorado en química Richard Li, nano / biofísica computacional Rosa Di Felice, El experto en computación cuántica y profesor de ingeniería de Viterbi, Daniel Lidar, junto con el biólogo computacional Remo Rohs, buscaron aplicar el aprendizaje automático para derivar modelos a partir de datos biológicos para predecir si ciertas secuencias de ADN representaban sitios de unión fuertes o débiles para la unión de un conjunto particular de factores de transcripción. Los patrones y modelos aprendidos por el procesador cuántico se aplicaron luego para estimar la fuerza de unión de una serie de secuencias para las que se desconocía si una proteína se uniría a ellas. El algoritmo que desarrollaron específicamente para la máquina de recocido cuántico D-Wave Two X llevó a predicciones que estaban de acuerdo con los datos experimentales del mundo real.
Mapeo de un problema biológico real a una computadora cuántica
Para este estudio, el procesador cuántico D-Wave Two X parecía tener la capacidad de clasificar los sitios de unión como fuertes o débiles. Una novedad del estudio fue el mapeo de un problema biológico utilizando datos reales de unión de proteína-ADN a un chip cuántico. La máquina cuántica también pudo generar conclusiones que coincidían con la comprensión actual de la regulación genética por parte de un biólogo. En este caso, el mapeo cuántico dio como resultado el sitio de unión correcto para las proteínas seleccionadas.
"La capacidad de hacer este trabajo en una computadora cuántica es un importante paso adelante y sugiere aplicaciones futuras de una convergencia de la biología y la información cuántica". "dijo Rohs.
Los investigadores enfatizan que en su forma actual, el estudio utiliza una versión simplificada de datos biológicos y tiene una "naturaleza de prueba de principio". Creen que una vez que los procesadores cuánticos conocidos como annealers acumulan qubits y tienen una mayor potencia de procesamiento, Los determinantes celulares más complejos de la regulación génica que Rohs está estudiando actualmente podrían codificarse en nuevos modelos que utilicen computadoras cuánticas.
También indica un futuro en el que la información cuántica puede converger con otras disciplinas que dependen en gran medida de las estrategias computacionales. como la ciencia de los materiales y las nanotecnologías.