量子计算的力量用于基因研究

到目前为止,已经有很多规定对量子计算的承诺为各种应用程序,但有一些例子量子优势实际利益的现实问题。这可能改变从南加州大学一项新的研究量子信息科技中心工程和南加州大学维特比工程学院Dana大卫Dornsife艺术学院,字母和科学。研究者李泽楷,罗莎·迪菲利斯雷莫Rohs,和丹尼尔激光演示了如何使用量子处理器作为预测工具来评估一个基本生物学过程:绑定基因组的基因调控蛋白。这是第一次有记录的一个例子中,一个物理量子处理器被应用到真正的生物数据。这项研究是进行递波两个X机器南加州大学信息科学研究所。

特定序列的DNA构成基因,蛋白质的“指令”做一个细胞内的大部分重担。然而,针对其分子环境,细胞可能需要或多或少的某些蛋白质来执行其功能。这个复杂的过程控制生产的蛋白质被称为基因调控。的蛋白质调控基因表达,被称为转录因子(TFs)。为了执行其功能,TFs需要能够找到并附着在特定位置的基因组。

总的来说,尚不完全清楚TFs识别功能的一小部分结合位点在基因组中许多几乎相同,但非功能性的网站。DNA转录和蛋白质形成的更全面的知识至关重要,科学家实现增加了解突变的蛋白质的基石我们的身体,导致疾病。

“量子计算机可能有助于阐明这一过程,”说,该研究的共同通讯作者丹尼尔激光雷达。

“我们选择解决问题的使用机器学习实现递波量子退火炉,来测试我们的翻译能力复杂真实的生物学问题的设置量子机器学习和寻找更传统的方法相比,该方法可以提供任何优势,然而最先进的经典的机器学习技术,“激光雷达补充道。

DNA的转录的关键一步是蛋白质的绑定。然而,绑定事件只有在满足特定的条件下会发生:特定序列的DNA字母的字母(腺嘌呤、胸腺嘧啶、鸟嘌呤和胞嘧啶),只有在正确的位置在一个链的DNA结合位点。结合位点可能只是功能在不到百分之一的情况下,说这项研究的其他共同通讯作者Rohs,生物科学教授,化学,物理学,计算机科学同时也是教员在新的南加州大学迈克尔逊收敛生物科学中心。

化学博士生李泽楷,计算纳米/生物物理学家罗莎·迪菲利斯,量子计算专家和维特比工程教授丹尼尔激光雷达以及计算生物学家雷莫Rohs试图应用机器学习模型来自生物数据来预测特定序列的DNA是否代表强弱绑定网站绑定一组特定的转录因子。学习的模式和模型的量子处理器被应用于估计的力量绑定为一系列的序列是未知的蛋白质是否绑定。算法他们开发了专门为递波两个X量子退火机导致预测与实际实验数据的协议。

映射的一个真正的生物问题的量子计算机

在这项研究中,量子递波两个X处理器似乎有能力强弱的结合位点进行分类。一个新奇的研究是一个生物问题的映射使用实际protein-DNA绑定数据到一个量子芯片。量子计算机也能够产生结论符合生物学家目前的基因调控的理解。在这种情况下,量子映射导致正确的结合位点选择的蛋白质。

”做这项工作的能力在一个量子计算机是一个很重要的一步,并建议未来的应用生物学和量子信息的融合,“Rohs说。

研究人员强调,在其目前的形式来看,该研究使用一个简化版的生物数据,自然“概念验证”。They believe that once quantum processors known as annealers accumulate qubits and have increased processing power, more complex cellular determinants of gene regulation that Rohs is currently studying could be encoded into new models that use quantum computers.

它也暗示了未来的量子信息可能收敛与其他学科,强烈依赖于计算策略,如材料科学和纳米技术。

本文从提供的材料已经再版南加州大学。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

参考李:r . Y。菲利斯,r D。Rohs, R。与激光雷达,d . a (2018)。量子退火与经典的机器学习应用于一个简化计算生物学问题。Npj量子信息,4 (1),14。https://doi.org/10.1038/s41534 - 018 - 0060 - 8