Hasta la fecha, se ha dicho mucho sobre la promesa de la computación cuántica para una miríada de aplicaciones, pero ha habido pocos ejemplos de una ventaja cuántica para problemas del mundo real de interés práctico. Esto podría cambiar con un nuevo estudio del Centro de USC paraQuantum Information Science & Technology en la Viterbi School of Engineering y la USC Dana y David Dornsife College of Arts, Letters and Sciences. Los investigadores Richard Li, Rosa Di Felice, Remo Rohs y Daniel Lidar han demostrado cómo se puede utilizar un procesador cuántico comoUna herramienta predictiva para evaluar un proceso fundamental en biología: la unión de proteínas reguladoras de genes al genoma. Este es uno de los primeros ejemplos documentados en los que se ha aplicado un procesador cuántico físico a datos biológicos reales. La investigación se realizó en un D-Wave Two X machine en el USC Information Sciences Institute.
Ciertas secuencias de ADN forman genes, que son las "instrucciones" para producir proteínas que realizan la mayor parte del trabajo pesado dentro de una célula. Sin embargo, en respuesta a su entorno molecular, una célula puede necesitar tener más o menoscierta proteína para llevar a cabo su función. Este complejo proceso de control de la producción de proteínas se conoce como regulación génica. Las proteínas que regulan qué genes se expresan se conocen como factores de transcripción TF. Para llevar a cabo su función, los TF necesitanpara poder encontrar y unirse a ubicaciones específicas del genoma.
En general, aún no está del todo claro cómo los TF identifican la pequeña fracción de los sitios de unión funcional en el genoma entre muchos sitios casi idénticos pero no funcionales. Un conocimiento más completo de la transcripción de ADN y la formación de proteínas es fundamental para que los científicos logren un aumentocomprensión de cómo las mutaciones en las proteínas que son los componentes básicos de nuestros cuerpos, conducen a la enfermedad
"Las computadoras cuánticas podrían ayudar a arrojar luz sobre este proceso", dijo el co-corresponsal del estudio, Daniel Lidar.
"Elegimos atacar el problema utilizando el aprendizaje automático implementado en un anillador cuántico D-Wave, para probar nuestra capacidad de traducir problemas biológicos complicados de la vida real a la configuración del aprendizaje automático cuántico y buscar cualquier ventaja que estoel enfoque podría ofrecer más técnicas de aprendizaje automático más convencionales, pero con tecnología de punta ", agregó Lidar.
Un paso clave en la transcripción del ADN es la unión de una proteína. Sin embargo, el evento de unión ocurrirá solo cuando se cumplan ciertas condiciones: una secuencia particular de las letras del alfabeto de ADN adenina, timina, guanina y citosinay solo en el lugar correcto en una cadena de ADN conocida como sitio de unión. Un posible sitio de unión solo es funcional en menos del uno por ciento de las circunstancias, dice el otro autor co-corresponsal del estudio, Rohs, profesor de ciencias biológicas, química,física e informática que también es miembro de la facultad en el nuevo Centro de USC Michelson para Biociencia Convergente.
El candidato a doctorado en química Richard Li, el físico nano / biológico computacional Rosa Di Felice, el experto en computación cuántica y el profesor de ingeniería Viterbi Daniel Lidar junto con el biólogo computacional Remo Rohs buscaron aplicar el aprendizaje automático para derivar modelos de datos biológicos para predecir si ciertas secuencias deEl ADN representaba sitios de unión fuertes o débiles para la unión de un conjunto particular de factores de transcripción.Los patrones y modelos aprendidos por el procesador cuántico se aplicaron luego para estimar la fuerza de unión para una serie de secuencias para las cuales se desconocía si una proteína se uniríaEl algoritmo que desarrollaron específicamente para la máquina de recocido cuántico D-Wave Two X condujo a predicciones que estaban de acuerdo con los datos experimentales del mundo real.
Mapeo de un problema biológico real a una computadora cuántica
Para este estudio, el procesador cuántico D-Wave Two X parecía tener la capacidad de clasificar los sitios de unión como fuertes o débiles. Una novedad del estudio fue el mapeo de un problema biológico usando datos reales de unión de proteína-ADN a unchip cuántico. La máquina cuántica también fue capaz de generar conclusiones que eran consistentes con la comprensión actual de un biólogo sobre la regulación génica. En este caso, el mapeo cuántico resultó en el sitio de unión correcto para las proteínas seleccionadas.
"La capacidad de hacer este trabajo en una computadora cuántica es un importante paso adelante y sugiere futuras aplicaciones de una convergencia de biología e información cuántica", dijo Rohs.
Los investigadores enfatizan que en su forma actual, el estudio utiliza una versión simplificada de los datos biológicos y tiene una "naturaleza de prueba de principio". Creen que una vez que los procesadores cuánticos conocidos como recocidos acumulan qubits y tienen mayor poder de procesamiento, máslos determinantes celulares complejos de la regulación génica que Rohs está estudiando actualmente podrían codificarse en nuevos modelos que usan computadoras cuánticas.
También indica un futuro en el que la información cuántica puede converger con otras disciplinas que dependen en gran medida de estrategias computacionales, como la ciencia de los materiales y las nanotecnologías.
Fuente de la historia :
Materiales proporcionado por Universidad del Sur de California . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :