Gibt es Beispiele dafür, wie jemand Quantenalgorithmen auf Probleme in der Computational Biology anwendet?

Wie der Titel schon sagt, suche ich nach veröffentlichten Beispielen für Quantenalgorithmen, die auf Probleme in der Computational Biology angewendet werden. Die Chancen stehen eindeutig hoch, dass es (noch) keine praktischen Beispiele gibt - ich interessiere mich für Beweise von Konzepten . Einige Beispiele für computerbiologische Probleme in diesem Zusammenhang wären:

Proteinstrukturvorhersage (Sekundär, Tertiär)
Arzneimittel-Ligandenbindung
Multiple Sequence Alignment
De-novo-Versammlung
Anwendungen für maschinelles Lernen

Ich habe nur eine solche Referenz gefunden, die meiner Meinung nach illustrativ für das ist, wonach ich suche. In dieser Studie wurde eine D-Welle zur Bindung von Transkriptionsfaktoren verwendet. Es wäre jedoch interessant, Beispiele außerhalb des Bereichs des adiabatischen Quantencomputers zu haben.

Quantenglühen versus klassisches maschinelles Lernen, angewendet auf ein vereinfachtes computerbiologisches Problem

In Bezug auf die Quantensimulation gibt es mehrere. Obwohl es sich eindeutig nicht um Simulationen in einem Maßstab handelt, der häufig als biologisch relevant angesehen wird, könnte man sich vorstellen, dass diese Forschungslinie (unter anderem) ein Vorläufer für die Modellierung größerer Moleküle von biologischer Bedeutung ist.

Gibt es also neben der Bindung von Transkriptionsfaktoren und der Quantensimulation noch andere Beweise für Konzepte, die existieren und für die Biologie relevant sind?

Update: Ich habe die bisher beste Antwort akzeptiert, werde aber nachsehen, ob weitere Beispiele verfügbar sind. Hier ist ein weiteres, etwas älteres Produkt (2010), das die Identifizierung energiearmer Proteinkonformationen in Gitterproteinmodellen demonstrieren soll - ebenfalls eine D-Wave-Veröffentlichung.

algorithm machine-learning applications

— Greenstick
quelle

Warum haben Sie "Machine Learning Applications" unter "computerbiologische Probleme" klassifiziert?

— JanVdA,

Ich vermute, es gibt auch eine Überschneidung zwischen Ihrer Frage und meiner jüngsten Frage: quantumcomputing.stackexchange.com/questions/4150/… ZB könnte die Möglichkeit, die Wirkstoff-Liganden-Bindung mithilfe eines Quantencomputers zu messen, die Identifizierung neuer Wirkstoffe revolutionieren .

— JanVdA

Ich habe Anwendungen für maschinelles Lernen verwendet, weil sie in der Computerbiologie und Bioinformatik allgegenwärtig sind. Die anderen Beispiele könnten als Modellierung biologischer Prozesse unter Verwendung erster Prinzipien betrachtet werden. Maschinelles Lernen ist jedoch im Allgemeinen eher ein empirischer als ein auf ersten Prinzipien basierender Ansatz. Ich wollte die Antworten nicht auf auf ersten Prinzipien basierende Modellierung beschränken, da es hier genauso um die Anwendung eines neuartigen Rechenmodells wie um die Modellierung des biologischen Prozesses selbst geht.

— Greenstick

@JanVdA Vielen Dank für den Link zu Ihrer Frage, es ist auf jeden Fall interessant.

— Greenstick

Antworten:

Ich konnte keine Referenzen speziell in der Quantenbiologie finden. Ich fand jedoch eine Übersicht namens Quantum Assisted Biomolecular Modeling .

Vielleicht finden Sie es interessant, aber dies ist aus dem Jahr 2010. Das Feld hat sich seitdem weiterentwickelt, aber ich denke, die Ideen bleiben ähnlich. Die Autoren konzentrieren sich mehr auf die Idee der Fähigkeit eines Quantencomputers, alle klassischen Pfade gleichzeitig auszuprobieren.

Ich weiß nicht viel über das Gebiet und die gängige Praxis. Wenn sich die Computerbiologie jedoch mehr auf die Optimierung konzentriert, sollte die Anwendung von Quantensuchalgorithmen oder hybriden klassischen Quanten-Setups geeignet sein (auch wenn dies derzeit nicht praktikabel ist).

Was nun das maschinelle Lernen angeht, ist es mit Quantencomputern etwas unklar. Vor allem mit dem Namen Quantum Machine Learning. Es werden unterschiedliche Ansätze / Ziele verfolgt. Einige Algorithmen wurden entwickelt, um klassische Algorithmen (basierend auf einem hypothetischen Gerät namens qRAM) wie K-Means, SVM ... zu beschleunigen. Einige konzentrieren sich auf ML mit Quantendaten, wie zum Beispiel das Komprimieren von Quantendaten.

Fazit: Wir haben noch keine klare Vorstellung, aber das macht es spannend. Dabei können wir einfach neue Algorithmen erstellen oder aktuelle klassische Algorithmen verbessern.

Edit : Kürzlich kündigte eine Pressemitteilung eine Partnerschaft zwischen Rigetti Computing und Entropica Labs an, um reale Anwendungen des Quantencomputers für Bioinformatik und Genomik zu entwickeln.

— cnada
quelle

Dies ist eine großartige Referenz. Ja, Optimierung ist in bestimmten Bereichen ziemlich verbreitet, insbesondere bei der Modellierung molekularer Strukturen und der Bindung. Ich habe von den Unklarheiten mit QML gehört. Vielen Dank für Ihre Klarstellung und Schlussfolgerung. Es ist hilfreich!

— Greenstick

Schön - das habe ich verpasst, aber irgendwie haben sie immer noch gesehen, dass sie angekündigt haben, dass ein 128-Qubit-Hybridsystem auf ihrer Roadmap für 2019 steht. Danke, dass Sie das geteilt haben!

— Greenstick

Beantwortet die erste Arbeit wirklich die Frage (= Beispiele für Quantenalgorithmen, die auf Probleme in der Computational Biology angewendet werden)? Wenn ich es sehr schnell lese, heißt es in der Veröffentlichung hauptsächlich, dass Quantencomputer "in Zukunft" die Modellierung von Biomolekülen unterstützen könnten , was noch lange nicht besagt, dass es bereits bekannte Quantenalgorithmen gibt, die wir heute (oder vielleicht sogar in Zukunft) ausführen können Die Quantencomputer sind leistungsfähig genug, um Probleme bei der Modellierung von Biomolekülen zu lösen.

— JanVdA,

Ich frage mich ein bisschen, welche Relevanz der Rigetti-Link in Bezug auf die Frage hat.

— JanVdA,

@JanVdA Es scheint mir die Annahme zu sein, dass bestimmte existierende Algorithmen mit Quantenberechnungsschritten (z. B. QFT, Quantenwanderungen) erweitert werden können, aber ja, die Autoren formulieren nicht genau, was diese Algorithmen sind. Eines, das relevant sein könnte, ist das Quantenglühen, da es in Beziehung zum simulierten Glühen steht, das in der Molekulardynamiksimulation weit verbreitet ist.

— Greenstick

Mit der Quantensimulation können Modelle getestet werden, die bestimmte biologische Prozesse beschreiben könnten. Beispielsweise wurde in einer Veröffentlichung von Potočnik et al. untersuchten Lichtsammelmodelle mit supraleitenden Quantenschaltungen (siehe Abbildung unten).

Derzeit ist offen, ob die Quantenmechanik in biologischen Prozessen eine wichtige funktionale Rolle spielt. Einige mögliche biologische Prozesse, bei denen die Quantenmechanik eine solche Rolle spielen könnte, umfassen Magnetorezeption bei Vögeln, Geruchssinn und Lichternte.

Abbildung aus der Arbeit von Potočnik et al. 2018

— Bram
quelle

Vielen Dank für Ihre Antwort. Das Modellieren, wie Photosynthese Quanten sein kann, ist zwar interessant, aber leider nicht ganz im Rahmen der Frage. Ich interessiere mich sehr für die Anwendung von Quantenalgorithmen auf einem Quantengerät (einer Art QC) für kanonische Probleme in der Computational Biology. Einige Beispiele könnten die Modellierung der Wirkstoff-Ziel-Bindung mit dem adiabatischen Quantenalgorithmus oder eine Art maschinelles Lernen sein, um beispielsweise Genvarianten unter Verwendung eines HHL-inspirierten Algorithmus aufzurufen. Dies wären natürlich Spielzeugbeispiele - aber es sind diese vorhandenen Beweise für Konzepte, nach denen ich strebe.

— Greenstick

Es ist ein bisschen unklar, in welchem Zusammenhang Ihr erster Absatz mit der eigentlichen Frage steht. Vielleicht sollte es ein bisschen geklärt werden.

— 6.