Jak sugeruje tytuł, szukam opublikowanych przykładów algorytmów kwantowych stosowanych do problemów w biologii obliczeniowej. Oczywiście są duże szanse, że praktyczne przykłady nie istnieją (jeszcze) - interesuje mnie jakikolwiek dowód koncepcji . Oto niektóre przykłady problemów biologii obliczeniowej w tym kontekście:
- Prognozowanie struktury białka (wtórne, trzeciorzędowe)
- Wiązanie lek-ligand
- Wyrównanie wielu sekwencji
- Zgromadzenie De-novo
- Aplikacje uczenia maszynowego
Znalazłem tylko jedno takie odniesienie, które moim zdaniem ilustruje to, czego szukam. W tych badaniach do wiązania czynnika transkrypcji wykorzystano falę D, jednak interesujące byłyby przykłady poza sferą adiabatycznego obliczania kwantowego.
Istnieje kilka pod względem symulacji kwantowej. Choć wyraźnie nie są to symulacje w skali często uważanej za biologicznie istotne, można sobie wyobrazić, że ta linia badań jest prekursorem modelowania większych cząsteczek o znaczeniu biologicznym (między innymi).
- Przetwarzanie w chmurze kwantowej jądra atomowego
- Skalowalna symulacja kwantowa energii molekularnych
Czy oprócz wiązania czynników transkrypcyjnych i symulacji kwantowej istnieją jeszcze inne dowody na istnienie pojęć, które są istotne dla biologii?
Aktualizacja: Do tej pory zaakceptowałem najlepszą odpowiedź, ale sprawdzę, czy pojawią się kolejne przykłady. Oto kolejny, nieco stary (2010), który miał na celu wykazanie identyfikacji konformacji białka niskoenergetycznego w modelach białek sieci - również publikacja D-Wave.
źródło
Odpowiedzi:
Nie byłem w stanie znaleźć referencji szczególnie w biologii kwantowej. Znalazłem jednak recenzję zatytułowaną Modelowanie biomolekularne wspomagane kwantowo .
Być może jest to interesujące, ale pochodzi z 2010 roku. Dziedzina ewoluowała od tego czasu, ale myślę, że pomysły pozostają podobne. Autorzy skupiają się bardziej na idei zdolności komputera kwantowego do wypróbowania wszystkich klasycznych ścieżek jednocześnie.
Niewiele wiem o tej dziedzinie i powszechnej praktyce. Jeśli jednak biologia obliczeniowa jest bardziej skoncentrowana na optymalizacji, wówczas odpowiednie powinny być zastosowanie algorytmów wyszukiwania kwantowego lub hybrydowych konfiguracji klasyczno-kwantowych (nawet jeśli obecnie nie jest to praktyczne).
Jeśli chodzi o uczenie maszynowe, jest to nieco niejasne w przypadku obliczeń kwantowych. Szczególnie pod nazwą Quantum Machine Learning. Podejmowane są różne podejścia / cele. Niektóre algorytmy zostały zaprojektowane w celu przyspieszenia klasycznych algorytmów (opartych na hipotetycznym urządzeniu o nazwie qRAM), takich jak K-Means, SVM ... Lub użyj QC, aby wspomóc proces uczenia się w klasycznych algorytmach, takich jak ograniczone maszyny Boltzmanna. Niektórzy koncentrują się na robieniu ML z danymi kwantowymi, takimi jak na przykład kompresja danych kwantowych.
Wniosek: nie mamy jeszcze jasnego pomysłu, ale to sprawia, że jest ekscytujący. W trakcie tego procesu możemy po prostu tworzyć nowe algorytmy lub ulepszać obecne klasyczne.
Edycja : Niedawno w komunikacie prasowym ogłoszono partnerstwo między Rigetti Computing i Entropica Labs w celu opracowania rzeczywistych zastosowań obliczeń kwantowych w bioinformatyce i genomice.
źródło
Symulacji kwantowej można użyć do testowania modeli, które mogłyby opisać pewien proces biologiczny. Na przykład artykuł 2018 Potočnika i in. zbadano modele pozyskiwania światła za pomocą nadprzewodnikowych obwodów kwantowych (patrz rysunek poniżej).
Obecnie pozostaje otwarte pytanie, czy mechanika kwantowa odgrywa ważną rolę funkcjonalną w procesach biologicznych. Niektóre potencjalne procesy biologiczne, w których mechanika kwantowa może odgrywać taką rolę, obejmują magnetorecepcję u ptaków, węch i zbieranie światła.
źródło