IBM ve Moderna, yapay zekâ olmadan en uzun mRNA modelini simüle etti; bunun yerine kuantum bilgisayarı kullandılar.

IBM ve Moderna, yapay zekâ olmadan en uzun mRNA modelini simüle etti; bunun yerine kuantum bilgisayarı kullandılar.

IBM ve Moderna'daki araştırmacılar, kuantum bilgisayarında simüle edilen en uzun 60 nükleotid uzunluğundaki mRNA dizisinin karmaşık ikincil protein yapısını tahmin etmek için bir kuantum simülasyon algoritmasını başarıyla kullandılar.

Haberci ribonükleik asit (mRNA), genetik bilgiyi DNA'dan ribozomlara taşıyan bir moleküldür. Hücrelerde protein sentezini yönetir ve belirli bağışıklık tepkilerini tetikleyebilen etkili aşılar oluşturmak için kullanılır.

Bir proteinin doğru üç boyutlu konformasyonu benimsemesi için gereken tüm bilginin amino asit dizisi veya "katlanması" tarafından sağlandığına yaygın olarak inanılmaktadır.

Her ne kadar tek bir amino asit zincirinden oluşsa da mRNA, belirli bir moleküle özgü üç boyutlu şeklini veren bir dizi kıvrımdan oluşan ikincil bir protein yapısına sahiptir. Olası katlanma permütasyonlarının sayısı, eklenen her nükleotid ile katlanarak artar. Bu durum, bir mRNA molekülünün daha yüksek ölçeklerde nasıl bir şekil alacağını tahmin etme zorluğunu aşılmaz hale getiriyor.

IBM ve Moderna'nın 2024 IEEE Kuantum Hesaplama ve Mühendislik Uluslararası Konferansı için ilk kez yayınlanan bir çalışmada özetlenen deneyi, kuantum hesaplamanın bu tür tahminler yapmak için kullanılan geleneksel yöntemleri nasıl zenginleştirebileceğini gösterdi. Geleneksel olarak, bu tahminler genellikle ikili, klasik bilgisayarlara ve Google DeepMind'ın AlphaFold gibi yapay zeka (YZ) modellerine dayanıyordu.

9 Mayıs'ta ön baskı arXiv veritabanında yayınlanan yeni bir araştırmaya göre, bu klasik mimarilerde çalışabilen algoritmalar, "yüzlerce veya binlerce nükleotit" içeren mRNA dizilerini işleyebilir, ancak bunu yalnızca "psödoknotlar" gibi daha karmaşık özellikleri hariç tutarak yapabilir.

Psödoknotlar, bir molekülün ikincil yapısındaki, sıradan katlamalardan daha karmaşık iç etkileşimlerde bulunabilen karmaşık kıvrımlar ve şekillerdir. Bunların hariç tutulmasıyla, herhangi bir protein katlama tahmin modelinin potansiyel doğruluğu temelde sınırlıdır.

Bir mRNA molekülünün protein kıvrımlarının en küçük ayrıntılarını bile anlamak ve tahmin etmek, daha güçlü tahminler ve sonuç olarak daha etkili mRNA tabanlı aşılar geliştirmek için olmazsa olmazdır.

Bilim insanları, deneyleri kuantum teknolojisiyle zenginleştirerek en güçlü süper bilgisayarların ve yapay zeka modellerinin doğasında bulunan sınırlamaların üstesinden gelmeyi umuyor. Araştırmacılar, molekülleri modellemek için bir bilgisayar bitinin kuantum eşdeğeri olan kübitlere dayanan kuantum simülasyon algoritmaları kullanarak birden fazla deney gerçekleştirdiler.

Başlangıçta R2 Heron kuantum işleme biriminde (QPU) yalnızca 80 kübit (mümkün olan 156 kübitten) kullanan ekip, çarpışma önleme ve finansal risk değerlendirme teknikleri gibi karmaşık etkileşimleri analiz etmek için kullanılan belirli tekniklere göre modellenmiş bir kuantum optimizasyon algoritması olan koşullu riske maruz değer tabanlı varyasyonel kuantum algoritması (CVaR tabanlı VQA) kullanarak 60 nükleotid uzunluğundaki bir mRNA dizisinin ikincil protein yapısını tahmin etti.

Çalışmaya göre, kuantum tabanlı bir simülasyon modeli için daha önce en iyi sonuç 42 nükleotitlik bir diziydi. Araştırmacılar ayrıca, kuantum fonksiyonlarının oluşturduğu gürültüyle başa çıkmak için yeni hata düzeltme tekniklerini uygulayarak deneyi ölçeklendirdiler.

Yeni ön baskı çalışmasında ekip, deneysel paradigmanın 60 nükleotite kadar mRNA dizileri için 156 kübite kadar simüle edilmiş örnekleri çalıştırmadaki etkinliğini geçici olarak gösterdi. Ayrıca, gürültüsüz ortamlarda aynı algoritmalar için 354 kübite kadar kullanma potansiyelini gösteren ön araştırmalar yürüttüler.

Görünüşe göre, algoritmayı çalıştırmak için kullanılan kübit sayısını artırırken, algoritmaları ek alt rutinler için ölçeklendirmenin daha doğru simülasyonlara ve daha uzun dizileri tahmin etme yeteneğine yol açması gerektiğini söylediler.

Ancak, "bu yöntemlerin, bu probleme özgü devreleri mevcut kuantum donanımına yerleştirmek için gelişmiş tekniklerin geliştirilmesini gerektirdiğini" belirterek, araştırmayı ilerletmek için daha iyi algoritmalara ve işlem mimarilerine ihtiyaç duyulacağını belirttiler.

Bu makaleyi beğendiniz mi? Bunun gibi daha fazla haber için, bu sayfanın üst kısmındaki +Takip Et butonuna tıklayarak bizi MSN'de takip edin.

Kaynak: LiveScience