Resumo interno:
- Pesquisadores da Pasqal, Qubit Pharmaceuticals e Sorbonne Université desenvolveram um método quântico avançado usando um computador quântico analógico com átomos neutros para prever configurações de solventes na descoberta de medicamentos.
- A pesquisa utilizou unidades de processamento de átomos neutros para resolver os problemas de compactação relacionados à colocação de moléculas de água em cavidades de proteínas, utilizando a evolução quântica adiabática e o modelo de Ising.
- Os pesquisadores demonstraram alta precisão na previsão das propriedades do solvente, testando seu algoritmo em modelos de proteínas do mundo real, como a principal proteína urinária (MUP-I).
- Eles apresentaram um algoritmo híbrido quântico-clássico que usa otimização bayesiana para refinar simulações quânticas, compensando ruídos e erros presentes nos dispositivos quânticos atuais.
Prever o comportamento das moléculas de água dentro das estruturas proteicas é uma tarefa necessária, mas desafiadora, na descoberta de medicamentos, uma vez que estas moléculas influenciam a forma como o medicamento interage com o seu alvo. Os métodos existentes para prever concentrações de solventes são computacionalmente intensivos e muitas vezes imprecisos. Em um estudo recente publicado na Physical Review Research, pesquisadores de Pasqal, Qubit Pharmaceuticals e Sorbonne Université apresentaram um novo método usando um computador quântico analógico com átomos neutros para resolver este problema. Seu método fornece uma técnica quântica avançada para prever propriedades de solventes, o que pode levar a simulações moleculares mais precisas e melhores resultados no projeto de medicamentos.
Modelagem Molecular Quântica
Métodos clássicos, como a dinâmica molecular, são atualmente usados para prever propriedades de solventes. Porém, conforme observado no estudo, requerem grandes recursos computacionais devido ao grande número de configurações possíveis e ao comportamento dinâmico das moléculas de água. A computação quântica analógica oferece uma abordagem alternativa que pode ser capaz de lidar com esses problemas complexos de forma mais eficaz. Segundo o estudo, os pesquisadores desenvolveram um algoritmo quântico baseado no 3D Reference Interaction Site Model (3D-RISM), que prevê a distribuição contínua do solvente. Seu método quântico, no entanto, vai além da distribuição contínua, visando locais específicos do átomo do solvente para melhorar a precisão dessas previsões.
Central Atom QPUs para previsão de fusão
A pesquisa utilizou unidades de processamento de átomos neutros (QPUs), uma tecnologia emergente que organiza os átomos em ordem usando armadilhas ópticas. Cada átomo atua como um qubit, alternando entre estados quânticos para representar informações do computador. De acordo com o estudo, um dos resultados mais notáveis deste estudo foi o uso de QPUs neutras para resolver um tipo específico de problema de acoplamento – determinar a colocação de moléculas de água em cavidades de proteínas. A equipe também observou que a flexibilidade do átomo neutro, que pode ser reorganizado dinamicamente, o torna particularmente adequado para resolver problemas moleculares que envolvem estruturas altamente flexíveis, como proteínas e suas interações com solventes.
Usando uma técnica chamada evolução quântica adiabática, o problema foi formulado como um modelo de Ising, um modelo matemático que pode ser resolvido por meio da computação quântica. Esta formulação do modelo de Ising permitiu aos pesquisadores mapear as posições dos átomos do solvente, minimizando uma função que representa a densidade da água dentro da cavidade da proteína. Conforme observado no estudo, este método pode ser visto como uma forma mais precisa e eficiente de amostrar a distribuição de solutos em comparação com algoritmos clássicos, que muitas vezes sofrem de erros devido à sua dependência de interações moleculares predefinidas.
Potencial e limitações da computação quântica analógica híbrida no projeto de medicamentos
A importância da incorporação de solventes na descoberta de medicamentos não pode ser subestimada. As moléculas de água podem ocupar áreas sensíveis nos locais de ligação às proteínas, afetando a forma como a molécula do medicamento se liga. Em alguns casos, as moléculas de água chegam a mediar a interação entre o medicamento e a proteína, tornando a sua correta colocação um fator indiscutível na previsão da eficácia do medicamento. Os pesquisadores demonstraram seu algoritmo em um exemplo do mundo real, a principal proteína urinária (MUP-I), um modelo comum usado em estudos de design de medicamentos. Ao comparar a posição da molécula de água encontrada no quantum com os dados experimentais conhecidos, eles mostraram que o método quântico pode prever as propriedades do solvente com alta precisão, correspondendo de perto às posições da molécula de água determinadas pelo experimento.
Embora o computador quântico analógico mostre potencial para resolver problemas do mundo real, suas limitações atuais exigem uma abordagem híbrida. Na segunda fase de sua pesquisa, a equipe desenvolveu um algoritmo híbrido quântico-clássico que usa otimização bayesiana para refinar os parâmetros usados em suas simulações quânticas. Este método, que ajusta os parâmetros do laser para otimizar o posicionamento dos átomos no QPU, demonstrou melhorar a precisão da previsão do solvente. De acordo com os pesquisadores, esta abordagem híbrida é a chave para perceber os benefícios da computação quântica nesta aplicação específica, ao mesmo tempo que compensa o ruído e os erros que ainda afetam os dispositivos quânticos próximos.
Um passo em direção à descoberta de medicamentos com aprimoramento quântico
A integração da computação quântica na descoberta de medicamentos pode levar à previsão precisa das propriedades dos solventes, o que tem sido um gargalo nas técnicas clássicas de simulação. Com QPUs neutros em átomos e algoritmos quânticos clássicos híbridos, este estudo fornece um forte exemplo da aplicação da tecnologia quântica a um dos problemas mais desafiadores da modelagem molecular.
Esta pesquisa também destaca a importância de melhorias contínuas em algoritmos quânticos projetados para problemas científicos específicos. Conforme observado pelos pesquisadores, embora os sistemas quânticos totalmente otimizados ainda estejam a anos de distância, métodos híbridos como este fornecem uma maneira eficiente de usar dispositivos quânticos de campo próximo para contribuições significativas em áreas como o design de medicamentos.
Os autores que contribuíram para o estudo incluem Mauro D'Arcangelo, Louis-Paul Henry, Loïc Henriet, Daniele Loco, Nicolaï Gouraud, Stanislas Angebault, Jules Sueiro, Jérôme Forêt, Pierre Monmarché e Jean-Philip Piquemal.
