當前位置:
首頁 > 最新 > QC觀察∣量子計算在基因研究方面的應用

QC觀察∣量子計算在基因研究方面的應用

量子計算的應用前景廣闊,但在現實問題中卻鮮有利用量子優勢的例子。這可能會隨著南加州大學量子信息科學與技術中心的一項新研究而改變。研究人員查德·李(Richard Li)、羅莎·迪·菲利斯(Rosa Di Felice)、雷莫·羅斯(Remo Rohs)和丹尼爾·里達爾(Daniel Lidar)展示了量子處理器如何被用作評估生物學基本過程的預測工具:基因調節蛋白與基因組的結合。這是物理量子處理器應用於真實生物數據的首個案例。該項研究是在南加州大學信息科學研究所的D-Wave Two X機器上進行的。

基因是由DNA的特定序列構成,是製造蛋白質的「指令」,而蛋白質將承擔細胞內大部分的繁重工作。然而,為了響應其分子環境,細胞可能或多或少需要某種蛋白質才能發揮其功能。這種控制蛋白質生產的複雜過程被稱為「基因調控」。調控基因表達的蛋白質被稱為「轉錄因子」(TF)。轉錄因子需在基因組上找到的特定位置依附,才能發揮它們的功能。

總體而言,目前尚不清楚轉錄因子如何從許多幾乎相同和非功能位點的基因組中識別出功能性結合位點。DNA轉錄和蛋白質形成的全面知識結構對科學家來說是至關重要的,這能夠幫助科學家更好地理解蛋白質突變是如何構建我們的身體和導致疾病的。

該項研究的合作者丹尼爾·里達爾(Daniel Lidar)稱,「量子計算機可能有助於揭示這一過程。我們選擇通過D-Wave量子退火機採用機器學習的方式來解決問題,測試將複雜的生物學問題轉化為量子機器學習的能力,並尋找這種方法可能提供的優勢。

DNA轉錄的關鍵步驟是蛋白質結合。然而,只有當滿足某些條件時,蛋白質才會結合:DNA字母表(腺嘌呤,胸腺嘧啶,鳥嘌呤和胞嘧啶)中字母的特定序列和在DNA鏈上的正確位置(又稱為「結合位點」)。一個可能的結合位點僅在少於百分之一的情況下起作用,該項研究的合作者雷莫·羅斯(Remo Rohs)稱。雷莫·羅斯是生物科學、化學、物理和計算機科學教授,也是南加州大學邁克爾遜會聚生物科學中心的成員。

化學博士候選人查德·李(Richard Li)、計算納米和生物物理學家羅莎·迪·菲利斯(Rosa Di Felice)、量子計算專家尼爾·里達爾(Daniel Lidar)和計算生物學家雷莫·羅斯(Remo Rohs)一起嘗試將機器學習應用於生物數據推導模型中,從而預測某些DNA序列是否具有強或弱的結合位點,以結合特定的轉錄因子。量子處理器學習的模式和模型被用於估計一系列序列的結合強度。他們專門為D-Wave Two X量子退火機器開發的演算法可產生與實際實驗數據一致的預測結果。

將真正的生物問題映射到量子計算機

關於這項研究,量子D-Wave Two X處理器似乎有能力對結合位點的強或弱進行分類。該項研究的新穎之處在於將實際的蛋白質—DNA結合數據映射到量子晶元。量子機器也能夠產生與生物學家目前對基因調控理解相一致的結論。

雷莫·羅斯(Remo Rohs)稱,「量子計算機完成這項工作的能力是向前邁出的重要一步,且表明了未來生物學和量子信息將融合在一起。」

研究人員強調,該研究使用了生物數據的簡化版本,並具有「原理證明性質」。他們認為,一旦量子處理器(又稱為「退火機」)可以擴展到更多的量子比特並且提高處理能力,就可以將更複雜的基因調控的細胞決定因子編碼到使用量子計算機的新模型中。這也表明量子信息未來可能會與其它強烈依賴計算策略的學科相融合(如材料科學和納米技術)。

本文由量子計算最前沿基於相關資料原創編譯,轉載請聯繫本公眾號獲得授權

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 量子計算最前沿 的精彩文章:

運用雲量子計算算出核結合能
IBM科學家帶您走進量子編程工具QISKit

TAG:量子計算最前沿 |