À ce jour, beaucoup a été dit sur la promesse de l'informatique quantique pour une myriade d'applications, mais il y a eu peu d'exemples d'un avantage quantique pour des problèmes du monde réel d'intérêt pratique. Cela pourrait changer avec une nouvelle étude de l'USC Center for Quantum Information Science &Technology de la Viterbi School of Engineering et de l'USC Dana and David Dornsife College of Arts, Lettres et Sciences. Chercheurs Richard Li, Rosa Di Felice, Remo Rohs, et Daniel Lidar ont démontré comment un processeur quantique pouvait être utilisé comme outil prédictif pour évaluer un processus fondamental en biologie :la liaison des protéines régulatrices des gènes au génome. C'est l'un des premiers exemples documentés dans lesquels un processeur quantique physique a été appliqué à des données biologiques réelles. La recherche a été menée sur une machine D-Wave Two X à l'USC Information Sciences Institute.

Certaines séquences d'ADN constituent des gènes, qui sont les « instructions » pour fabriquer des protéines qui font le gros du travail dans une cellule. Cependant, en réponse à son environnement moléculaire, une cellule peut avoir besoin de plus ou moins d'une certaine protéine pour remplir sa fonction. Ce processus complexe de contrôle de la production de protéines est connu sous le nom de régulation génique. Les protéines qui régulent les gènes exprimés sont appelées facteurs de transcription (TF). Pour remplir leur fonction, Les TF doivent être capables de se trouver et de s'attacher à des emplacements spécifiques du génome.

Globalement, il n'est pas encore tout à fait clair comment les TF identifient la petite fraction de sites de liaison fonctionnels dans le génome parmi de nombreux sites presque identiques mais non fonctionnels. Une connaissance plus complète de la transcription de l'ADN et de la formation des protéines est essentielle pour que les scientifiques parviennent à mieux comprendre comment les mutations des protéines qui sont les éléments constitutifs de notre corps, conduire à la maladie.

"Les ordinateurs quantiques pourraient aider à faire la lumière sur ce processus, " a déclaré le co-auteur de l'étude, Daniel Lidar.

"Nous avons choisi d'attaquer le problème en utilisant l'apprentissage automatique implémenté sur un recuit quantique D-Wave, afin de tester notre capacité à traduire des problèmes complexes de biologie de la vie réelle dans le cadre de l'apprentissage automatique quantique, et de rechercher les avantages que cette approche pourrait offrir par rapport à une approche plus conventionnelle, des techniques classiques d'apprentissage automatique à la pointe de la technologie, " ajouta Lidar.

Une étape clé dans la transcription de l'ADN est la liaison d'une protéine. Cependant, l'événement de liaison ne se produira que lorsque certaines conditions seront remplies :une séquence particulière des lettres de l'alphabet de l'ADN (adénine, thymine, guanine et cytosine) et uniquement au bon endroit sur un brin d'ADN appelé site de liaison. Un site de liaison possible n'est fonctionnel que dans moins d'un pour cent des circonstances, dit l'autre auteur co-correspondant de l'étude, Rohs, professeur de sciences biologiques, chimie, la physique, et l'informatique qui est également membre du corps professoral du nouveau USC Michelson Center for Convergent Bioscience.

Doctorant en chimie Richard Li, la nano/bio physicienne computationnelle Rosa Di Felice, Daniel Lidar, expert en informatique quantique et professeur d'ingénierie à Viterbi, ainsi que le biologiste informaticien Remo Rohs, ont cherché à appliquer l'apprentissage automatique pour dériver des modèles à partir de données biologiques afin de prédire si certaines séquences d'ADN représentaient des sites de liaison forts ou faibles pour la liaison d'un ensemble particulier de facteurs de transcription. Les modèles et les modèles appris par le processeur quantique ont ensuite été appliqués pour estimer la force de liaison d'une série de séquences pour lesquelles on ne savait pas si une protéine s'y lierait. L'algorithme qu'ils ont développé spécifiquement pour la machine de recuit quantique D-Wave Two X a conduit à des prédictions qui étaient en accord avec les données expérimentales du monde réel.

Cartographie d'un problème biologique réel à un ordinateur quantique

Pour cette étude, le processeur quantique D-Wave Two X semblait avoir la capacité de classer les sites de liaison comme forts ou faibles. Une nouveauté de l'étude était la cartographie d'un problème biologique à l'aide de données réelles de liaison protéine-ADN à une puce quantique. La machine quantique a également été capable de générer des conclusions cohérentes avec la compréhension actuelle d'un biologiste de la régulation des gènes. Dans ce cas, la cartographie quantique a abouti au site de liaison correct pour les protéines sélectionnées.

"La capacité de faire ce travail sur un ordinateur quantique est un pas en avant important et suggère des applications futures d'une convergence de la biologie et de l'information quantique, " dit Rohs.

Les chercheurs soulignent que dans sa forme actuelle, l'étude utilise une version simplifiée des données biologiques et a une « nature de preuve de principe ». Ils pensent qu'une fois que les processeurs quantiques connus sous le nom de recuiteurs accumulent des qubits et ont une puissance de traitement accrue, des déterminants cellulaires plus complexes de la régulation des gènes que Rohs étudie actuellement pourraient être codés dans de nouveaux modèles utilisant des ordinateurs quantiques.

Cela indique également un avenir dans lequel l'information quantique pourrait converger avec d'autres disciplines qui reposent fortement sur des stratégies de calcul, comme la science des matériaux et les nanotechnologies.