Ad oggi, molto è stato affermato sulla promessa del calcolo quantistico per una miriade di applicazioni, ma ci sono stati pochi esempi di un vantaggio quantistico per problemi del mondo reale di interesse pratico. Questo potrebbe cambiare con un nuovo studio dell'USC Center for Quantum Information Science &Technology presso la Viterbi School of Engineering e dell'USC Dana e David Dornsife College of Arts, Lettere e Scienze. Ricercatori Richard Li, Rosa Di Felice, Remo Rohs, e Daniel Lidar hanno dimostrato come un processore quantistico potrebbe essere utilizzato come strumento predittivo per valutare un processo fondamentale in biologia:il legame delle proteine ​​regolatrici del gene al genoma. Questo è uno dei primi esempi documentati in cui un processore quantistico fisico è stato applicato a dati biologici reali. La ricerca è stata condotta su una macchina D-Wave Two X presso l'USC Information Sciences Institute.

Alcune sequenze di DNA costituiscono i geni, che sono le "istruzioni" per produrre proteine ​​che fanno la maggior parte del lavoro pesante all'interno di una cellula. Però, in risposta al suo ambiente molecolare, una cellula potrebbe aver bisogno di avere più o meno una certa proteina per svolgere la sua funzione. Questo complesso processo di controllo della produzione di proteine ​​è noto come regolazione genica. Le proteine ​​che regolano quali geni sono espressi sono note come fattori di trascrizione (TF). Per svolgere la loro funzione, I TF devono essere in grado di trovare e attaccarsi in posizioni specifiche del genoma.

Globale, non è ancora del tutto chiaro come i TF identifichino la piccola frazione di siti di legame funzionali nel genoma tra molti siti quasi identici ma non funzionali. Una conoscenza più completa della trascrizione del DNA e della formazione delle proteine ​​è fondamentale per gli scienziati per ottenere una maggiore comprensione di come le mutazioni nelle proteine ​​che sono i mattoni del nostro corpo, portare alla malattia.

"I computer quantistici potrebbero aiutare a far luce su questo processo, ", ha affermato l'autore corrispondente dello studio Daniel Lidar.

"Abbiamo scelto di affrontare il problema utilizzando l'apprendimento automatico implementato su un ricottore quantistico D-Wave, al fine di testare la nostra capacità di tradurre complicati problemi di biologia della vita reale nell'impostazione dell'apprendimento automatico quantistico, e per cercare eventuali vantaggi che questo approccio potrebbe offrire rispetto a quelli più convenzionali, tecniche classiche di apprendimento automatico all'avanguardia, " ha aggiunto Lidar.

Un passaggio chiave nella trascrizione del DNA è il legame di una proteina. Però, l'evento vincolante avverrà solo quando saranno soddisfatte determinate condizioni:una particolare sequenza delle lettere dell'alfabeto del DNA (adenina, timina, guanina e citosina) e solo nella giusta posizione su un filamento di DNA noto come sito di legame. Un possibile sito di legame è funzionale solo in meno dell'1% delle circostanze, dice l'altro autore corrispondente dello studio Rohs, un professore di scienze biologiche, chimica, fisica, e informatica che è anche membro di facoltà nel nuovo USC Michelson Center for Convergent Bioscience.

Dottorando in chimica Richard Li, nano/biofisico computazionale Rosa Di Felice, Daniel Lidar, esperto di informatica quantistica e professore di ingegneria a Viterbi, insieme al biologo computazionale Remo Rohs, ha cercato di applicare l'apprendimento automatico per derivare modelli da dati biologici per prevedere se determinate sequenze di DNA rappresentassero siti di legame forti o deboli per il legame di un particolare insieme di fattori di trascrizione. I modelli e i modelli appresi dal processore quantistico sono stati quindi applicati per stimare la forza del legame per una serie di sequenze per le quali non era noto se una proteina si sarebbe legata ad esse. L'algoritmo sviluppato specificamente per la macchina di ricottura quantistica D-Wave Two X ha portato a previsioni in accordo con i dati sperimentali del mondo reale.

Mappatura di un vero problema biologico su un computer quantistico

Per questo studio, il processore quantistico D-Wave Two X sembrava avere la capacità di classificare i siti di legame come forti o deboli. Una novità dello studio è stata la mappatura di un problema biologico utilizzando dati reali di legame proteina-DNA su un chip quantistico. La macchina quantistica è stata anche in grado di generare conclusioni coerenti con l'attuale comprensione di un biologo sulla regolazione genica. In questo caso, la mappatura quantistica ha determinato il sito di legame corretto per le proteine ​​selezionate.

"La capacità di fare questo lavoro su un computer quantistico è un importante passo avanti e suggerisce applicazioni future di una convergenza tra biologia e informazione quantistica, " ha detto Rohs.

I ricercatori sottolineano che nella sua forma attuale, lo studio utilizza una versione semplificata dei dati biologici e ha una "natura di prova di principio". Credono che una volta che i processori quantistici noti come ricottori accumulano qubit e hanno una maggiore potenza di elaborazione, determinanti cellulari più complessi della regolazione genica che Rohs sta attualmente studiando potrebbero essere codificati in nuovi modelli che utilizzano computer quantistici.

Indica anche un futuro in cui l'informazione quantistica potrebbe convergere con altre discipline che si affidano fortemente a strategie computazionali, come la scienza dei materiali e le nanotecnologie.