Генетический код перестал быть тайной — неожиданный успех квантового моделирования

Учёные из IBM и Moderna смогли сделать то, что ранее считалось невозможным: с помощью квантового алгоритма они предсказали сложную вторичную структуру белка для цепочки мРНК длиной 60 нуклеотидов — самой длинной, когда-либо смоделированной на квантовом компьютере.

Почему это важно

МРНК — молекула-переносчик, доставляющая генетическую информацию от ДНК к рибосомам, где и происходит синтез белков. Эта технология лежит в основе многих современных вакцин. Однако предсказание формы, которую примет молекула, — задача крайне сложная. Каждый новый нуклеотид увеличивает число возможных конфигураций экспоненциально, особенно если учитывать "псевдоузлы" — особые складки, образующие более сложные взаимодействия, чем обычные.

Именно из-за сложности таких структур традиционные алгоритмы — даже самые мощные ИИ-модели вроде AlphaFold от Google DeepMind — вынуждены упрощать расчёты, исключая эти элементы. В результате теряется точность прогноза.

Квантовый подход

В рамках эксперимента, представленного на Международной конференции IEEE по квантовым вычислениям и инжинирингу 2024 года, исследователи задействовали квантовый процессор R2 Heron. На нём с помощью 80 кубитов (из возможных 156) они применили вариационный квантовый алгоритм на основе условной ценности под риском (VQA-CVaR). Такой подход ранее использовался в задачах анализа сложных взаимодействий, например, для расчёта финансовых рисков.

Лучший результат квантовой модели до этого момента составлял 42 нуклеотида, но теперь планка поднята. Учёные также протестировали методики коррекции ошибок, чтобы минимизировать шум, неизбежно возникающий в квантовых системах.

Масштабирование эксперимента

Авторы исследования отмечают, что в симуляциях им удалось довести число кубитов до 156, а в условиях отсутствия шума — до 354. Это открывает путь к более точному прогнозированию и работе с ещё более длинными последовательностями мРНК. Однако, по их словам, потребуется разработка "передовых технологий для интеграции таких алгоритмов в существующее квантовое оборудование", что означает необходимость дальнейших усовершенствований как в аппаратной, так и в программной части.

Значение для будущих вакцин

Понимание мельчайших деталей структуры мРНК-белков способно ускорить разработку новых и более эффективных вакцин. Квантовое моделирование в сочетании с классическими методами и ИИ может стать ключом к решению задач, которые сегодня кажутся запредельно сложными.