محققان از روش‌های محاسبات کوانتومی برای پیش‌بینی ساختار پروتئین استفاده می‌کنند

برای دهه‌ها، محققان از رویکردهای محاسباتی برای پیش‌بینی ساختارهای پروتئینی استفاده کرده‌اند. یک پروتئین خود را به ساختاری تبدیل می کند که نحوه عملکرد و اتصال به مولکول های دیگر بدن را تعیین می کند. این ساختارها بسیاری از جنبه های سلامت و بیماری انسان را تعیین می کنند.

با پیش‌بینی دقیق ساختار پروتئین، محققان می‌توانند نحوه گسترش بیماری‌ها و در نتیجه چگونگی ایجاد درمان‌های مؤثر را بهتر درک کنند. برایان راوبنولت، دکترای فوق دکتری کلینیک کلیولند، و دکتر هاکان دوگا، محقق IBM، تیمی را رهبری کردند تا کشف کنند که چگونه محاسبات کوانتومی می تواند روش های فعلی را بهبود بخشد.

در سال های اخیر، تکنیک های یادگیری ماشین پیشرفت قابل توجهی در پیش بینی ساختار پروتئین داشته اند. این روش‌ها برای پیش‌بینی به داده‌های آموزشی (پایگاهی از ساختارهای پروتئینی تعیین‌شده تجربی) وابسته هستند. این بدان معنی است که آنها با تعداد پروتئین هایی که به آنها آموزش داده شده است محدود می شوند. هنگامی که برنامه ها/الگوریتم ها با پروتئینی جهش یافته یا بسیار متفاوت از پروتئینی که روی آن آموزش دیده اند، مواجه می شوند که با اختلالات ژنتیکی رایج است، این می تواند منجر به سطوح پایین تری از دقت شود.

روش جایگزین، شبیه سازی فیزیک تاخوردگی پروتئین است. شبیه‌سازی‌ها به محققان اجازه می‌دهد تا شکل‌های ممکن مختلف یک پروتئین را بررسی کنند و پایدارترین آنها را بیابند. پایدارترین شکل برای طراحی دارو حیاتی است.

چالش این است که این شبیه‌سازی‌ها در یک کامپیوتر کلاسیک، فراتر از اندازه پروتئین مشخص، تقریبا غیرممکن است. به نوعی افزایش اندازه پروتئین هدف با افزایش ابعاد یک مکعب روبیک قابل مقایسه است. دکتر راوبنولت می گوید، برای یک پروتئین کوچک با 100 اسید آمینه، یک کامپیوتر کلاسیک به زمانی برابر با سن جهان نیاز دارد تا تمام نتایج ممکن را به طور کامل جستجو کند.

برای کمک به غلبه بر این محدودیت ها، تیم تحقیقاتی ترکیبی از روش های محاسباتی کوانتومی و کلاسیک را به کار بردند. این چارچوب می‌تواند به الگوریتم‌های کوانتومی اجازه دهد تا به حوزه‌هایی که برای محاسبات کلاسیک پیشرفته چالش برانگیز هستند، از جمله اندازه پروتئین، اختلال ذاتی، جهش‌ها و فیزیک درگیر در تا شدن پروتئین‌ها، رسیدگی کنند. این چارچوب با پیش‌بینی دقیق تاخوردگی یک قطعه کوچک از پروتئین ویروس زیکا در یک کامپیوتر کوانتومی، در مقایسه با روش‌های کلاسیک پیشرفته، تأیید شد.

نتایج اولیه چارچوب ترکیبی کوانتومی-کلاسیک هم از روش مبتنی بر فیزیک کلاسیک و هم AlphaFold2 بهتر عمل کرد. اگرچه دومی برای بهترین کارکرد با پروتئین های بزرگتر طراحی شده است، با این وجود توانایی این چارچوب را برای ایجاد مدل های دقیق بدون تکیه مستقیم به داده های آموزشی قابل توجه نشان می دهد.

محققان از یک الگوریتم کوانتومی برای مدل‌سازی کم‌ترین ترکیب انرژی برای ستون فقرات قطعه استفاده کردند، که معمولاً سخت‌ترین مرحله محاسباتی است. سپس از روش‌های کلاسیک برای تبدیل نتایج به‌دست‌آمده از کامپیوتر کوانتومی، بازسازی پروتئین با زنجیره‌های جانبی و انجام اصلاح نهایی ساختار با میدان‌های نیروی مکانیک مولکولی کلاسیک استفاده شد. این پروژه یکی از راه‌هایی را نشان می‌دهد که مشکلات را می‌توان به بخش‌ها تجزیه کرد، با روش‌های محاسبات کوانتومی که به برخی از بخش‌ها و محاسبات کلاسیک برای افزایش دقت پرداخته می‌شود.

دکتر راوبنولت می گوید: «یکی از منحصر به فردترین چیزهای این پروژه تعداد رشته های درگیر است. “تخصص تیم ما از زیست شناسی محاسباتی و شیمی، زیست شناسی ساختاری، مهندسی نرم افزار و اتوماسیون، تا فیزیک اتمی و هسته ای تجربی، ریاضیات، و البته محاسبات کوانتومی و طراحی الگوریتم را شامل می شود. برای ایجاد یک محاسبات، دانش هر یک از این حوزه ها مورد نیاز است. چارچوبی که می تواند یکی از مهمترین فرآیندهای زندگی انسان را تقلید کند.”

ترکیب روش‌های محاسباتی کلاسیک و کوانتومی این تیم، گامی اساسی برای پیشرفت درک ما از ساختارهای پروتئینی و چگونگی تأثیر آنها بر توانایی ما برای درمان و پیشگیری از بیماری است. این تیم قصد دارد به توسعه و بهینه سازی الگوریتم های کوانتومی ادامه دهد که می تواند ساختار پروتئین های بزرگتر و پیچیده تر را پیش بینی کند.

دکتر دوگا می‌گوید: «این کار یک گام مهم رو به جلو در کشف جایی است که قابلیت‌های محاسبات کوانتومی می‌توانند نقاط قوت را در پیش‌بینی ساختار پروتئین نشان دهند.» “هدف ما طراحی الگوریتم‌های کوانتومی است که می‌توانند چگونگی پیش‌بینی ساختارهای پروتئینی را تا حد امکان واقعی‌تر بیابند.”