A data, muito foi afirmado sobre a promessa da computação quântica para uma miríade de aplicações, mas houve poucos exemplos de uma vantagem quântica para problemas do mundo real de interesse prático. Isso pode mudar com um novo estudo do USC Center for Quantum Information Science &Technology na Viterbi School of Engineering e do USC Dana and David Dornsife College of Arts, Letras e Ciências. Pesquisadores Richard Li, Rosa Di Felice, Remo Rohs, e Daniel Lidar demonstraram como um processador quântico pode ser usado como uma ferramenta preditiva para avaliar um processo fundamental na biologia:a ligação de proteínas reguladoras de genes ao genoma. Este é um dos primeiros exemplos documentados em que um processador quântico físico foi aplicado a dados biológicos reais. A pesquisa foi conduzida em uma máquina D-Wave Two X no Instituto de Ciências da Informação da USC.

Certas sequências de DNA constituem genes, que são as "instruções" para fazer proteínas que fazem a maior parte do trabalho pesado dentro de uma célula. Contudo, em resposta ao seu ambiente molecular, uma célula pode precisar de mais ou menos de uma certa proteína para realizar sua função. Este complexo processo de controle da produção de proteínas é conhecido como regulação gênica. As proteínas que regulam quais genes são expressos são conhecidas como fatores de transcrição (TFs). Para cumprir sua função, Os TFs precisam ser capazes de se localizar e se conectar em locais específicos do genoma.

Geral, ainda não está totalmente claro como os TFs identificam a pequena fração de sítios de ligação funcionais no genoma entre muitos sítios quase idênticos, mas não funcionais. Um conhecimento mais abrangente da transcrição de DNA e formação de proteínas é fundamental para que os cientistas alcancem uma maior compreensão de como as mutações em proteínas que são os blocos de construção de nossos corpos, levar a doenças.

"Os computadores quânticos podem ajudar a esclarecer este processo, "disse o co-autor do estudo, Daniel Lidar.

"Escolhemos atacar o problema usando aprendizado de máquina implementado em um annealer quântico D-Wave, para testar nossa capacidade de traduzir problemas complicados de biologia da vida real para a configuração de aprendizado de máquina quântica, e para procurar quaisquer vantagens que esta abordagem possa oferecer sobre as mais convencionais, ainda técnicas de aprendizado de máquina clássicas de última geração, "Lidar acrescentou.

Uma etapa fundamental na transcrição do DNA é a ligação de uma proteína. Contudo, o evento de ligação acontecerá apenas quando certas condições forem satisfeitas:uma sequência particular das letras do alfabeto do DNA (adenina, timina, guanina e citosina) e apenas no local certo em uma fita de DNA conhecida como sítio de ligação. Um possível local de ligação só funciona em menos de um por cento das circunstâncias, diz o outro co-autor do estudo, Rohs, um professor de ciências biológicas, química, física, e ciência da computação, que também é membro do corpo docente do novo USC Michelson Center for Convergent Bioscience.

O candidato a PhD em Química Richard Li, nano / biofísica computacional Rosa Di Felice, O especialista em computação quântica e professor de engenharia Viterbi Daniel Lidar, juntamente com o biólogo computacional Remo Rohs, procuraram aplicar o aprendizado de máquina para derivar modelos de dados biológicos para prever se certas sequências de DNA representavam sítios de ligação fortes ou fracos para a ligação de um conjunto particular de fatores de transcrição. Os padrões e modelos aprendidos pelo processador quântico foram então aplicados para estimar a força de ligação para uma série de sequências para as quais não se sabia se uma proteína se ligaria a elas. O algoritmo que desenvolveram especificamente para a máquina de recozimento quântico D-Wave Two X levou a previsões que estavam de acordo com os dados experimentais do mundo real.

Mapeamento de um problema biológico real para um computador quântico

Para este estudo, o processador quântico D-Wave Two X parecia ter a capacidade de classificar os locais de ligação como fortes ou fracos. Uma novidade do estudo foi o mapeamento de um problema biológico usando dados reais de ligação proteína-DNA em um chip quântico. A máquina quântica também foi capaz de gerar conclusões consistentes com a compreensão atual de um biólogo sobre a regulação gênica. Nesse caso, o mapeamento quântico resultou no local de ligação correto para proteínas selecionadas.

"A capacidade de fazer este trabalho em um computador quântico é um passo importante à frente e sugere aplicações futuras de uma convergência de biologia e informação quântica, "disse Rohs.

Os pesquisadores enfatizam que, em sua forma atual, o estudo usa uma versão simplificada de dados biológicos e tem uma "natureza de prova de princípio". Eles acreditam que, uma vez que os processadores quânticos conhecidos como annealers acumulam qubits e aumentam o poder de processamento, Determinantes celulares mais complexos da regulação gênica que Rohs está estudando podem ser codificados em novos modelos que usam computadores quânticos.

Também indica um futuro em que as informações quânticas podem convergir com outras disciplinas que dependem fortemente de estratégias computacionais, como ciência de materiais e nanotecnologias.