Para ilmuwan telah menerbitkan sebuah penelitian yang menunjukkan bagaimana komputasi kuantum dapat mengubah penelitian biologi, menawarkan wawasan baru mengenai penuaan dan penyakit. Dengan memanfaatkan gabungan kekuatan AI, komputasi kuantum, dan fisika sistem yang kompleks, penelitian ini menyoroti potensi simulasi biologis tingkat lanjut dan eksplorasi perawatan yang dipersonalisasi, menggarisbawahi peran penting komputasi kuantum dalam menganalisis sejumlah besar data biologis dan meningkatkan pemahaman kita. kesehatan manusia.
Dalam makalah baru di Ilmu Molekuler Komputasi WIREspara peneliti dari perusahaan penemuan obat yang digerakkan oleh kecerdasan buatan (AI) tahap klinis, Insilico Medicine (“Insilico”) menunjukkan caranya komputasi kuantum dapat diintegrasikan ke dalam studi organisme hidup untuk memberikan wawasan yang lebih luas mengenai proses biologis seperti penuaan dan penyakit.
Pada Mei 2023, Insilico, Konsorsium Akselerasi Universitas Toronto, dan Foxconn Research Institute menerbitkan penelitian yang berhasil menunjukkan potensi keuntungan jaringan permusuhan generatif kuantum dalam kimia generatif. Temuan tersebut dipublikasikan di American Chemical Society’s Jurnal Informasi dan Pemodelan Kimia.
Jaringan biologis saling berhubungan. Seperti halnya mengetahui bahan-bahan saja tidak cukup untuk memahami cara menyiapkan suatu hidangan, memahami daftar gen atau protein saja tidak cukup untuk memahami bagaimana bahan-bahan tersebut berinteraksi. Kredit: Pengobatan Insilico
Dalam makalah terbaru ini, para peneliti Insilico menyajikan gambaran luas tentang bagaimana menggabungkan metode AI, komputasi kuantum, dan fisika sistem yang kompleks dapat membantu peneliti memajukan pemahaman baru tentang kesehatan manusia – dan merinci terobosan terbaru dalam AI yang dipandu oleh fisika.
Meskipun AI telah menjadi alat yang sangat berharga dalam membantu para peneliti memproses dan menganalisis kumpulan data biologis yang besar dan kompleks untuk menemukan jalur penyakit baru dan menghubungkan penuaan dan penyakit pada tingkat sel, tulis mereka, AI masih menghadapi tantangan dalam menerapkan wawasan tersebut pada interaksi yang lebih kompleks. di dalam tubuh.
Untuk memahami sepenuhnya cara kerja organisme hidup, para peneliti mencatat, para ilmuwan memerlukan metode pemodelan multimodal yang dapat mengelola tiga bidang kompleksitas utama: kompleksitas skala, kompleksitas algoritma, dan meningkatnya kompleksitas kumpulan data.
Perlunya Komputasi Kuantum dalam Biologi
“Meskipun kami bukan perusahaan kuantum, penting untuk memanfaatkan kemampuan guna memanfaatkan kecepatan yang disediakan oleh solusi komputasi hybrid dan hyperscaler baru. Ketika komputasi ini menjadi mainstream, simulasi biologis yang sangat kompleks dapat dilakukan dan menemukan intervensi yang dipersonalisasi dengan sifat yang diinginkan untuk berbagai penyakit dan proses yang berkaitan dengan usia. Kami sangat senang melihat pusat penelitian kami di UEA menghasilkan wawasan berharga di bidang ini,” kata rekan penulis Alex Zhavoronkov, PhD, pendiri dan co-CEO Insilico Medicine.
Proses biologis dalam sistem kehidupan mulai dari sel, organ, hingga seluruh tubuh dengan banyak interaksi kompleks antar sistem. Menafsirkan proses-proses ini perlu dilakukan pada berbagai skala secara bersamaan. Dan akses terhadap data biologis telah mencapai tingkat yang tidak terbayangkan sebelumnya. Ada Proyek 1000 Genom – katalog variasi genetik manusia yang telah mengidentifikasi lebih dari 9 juta varian nukleotida tunggal (SNV) – dan Biobank Inggris yang berisi rangkaian lengkap dari 500.000 genom sukarelawan Inggris, dan masih banyak lagi. Kita membutuhkan daya komputasi yang besar untuk menganalisis dan memprosesnya.
Pada setiap skala hierarki, terdapat metode yang paling sering digunakan untuk mempelajari tingkat organisasi ini. AI menunjukkan potensi di setiap level. Komputasi kuantum memberikan kemungkinan untuk mempercepat dan meningkatkan efektivitas pemecah AI dan teknik tradisional. Kredit: Pengobatan Insilico
Komputasi kuantum, tulis para peneliti, diposisikan secara unik untuk meningkatkan pendekatan AI – memungkinkan peneliti untuk menafsirkan berbagai tingkat sistem biologis secara bersamaan. Karena qubit menyimpan nilai 0 dan 1 secara bersamaan, sedangkan bit klasik hanya menyimpan nilai 0 atau 1, qubit memiliki kecepatan dan kemampuan komputasi yang jauh lebih besar.
Para penulis mencatat bahwa kemajuan besar dalam komputasi kuantum sudah berlangsung, termasuk debut prosesor kuantum skala utilitas IBM baru-baru ini dan komputer kuantum modular pertama perusahaan, yang telah mulai beroperasi.
Pada akhirnya, para penulis menyerukan pendekatan AI yang dipandu secara fisika untuk lebih memahami biologi manusia – bidang baru yang menggabungkan model berbasis fisika dan jaringan saraf, yang mereka tulis sudah berjalan.
Dengan menggabungkan metode AI, komputasi kuantum, dan fisika sistem yang kompleks, para ilmuwan dapat lebih memahami bagaimana, seperti yang penulis tuliskan, “interaksi kolektif elemen-elemen berskala lebih kecil dalam sel, organisme, atau masyarakat menghasilkan karakteristik baru yang dapat diamati pada skala dan tingkat realitas yang lebih besar.”
Referensi: “Kompleksitas ilmu kehidupan di era kuantum dan AI” oleh Alexei Pyrkov, Alex Aliper, Dmitry Bezrukov, Dmitriy Podolskiy, Feng Ren dan Alex Zhavoronkov, 17 Januari 2024, Ulasan Interdisipliner Wiley: Ilmu Molekuler Komputasi.
DOI: 10.1002/wcms.1701
“Menjelajahi Keuntungan Jaringan Adversarial Generatif Kuantum dalam Kimia Generatif” oleh Po-Yu Kao, Ya-Chu Yang, Wei-Yin Chiang, Jen-Yueh Hsiao, Yudong Cao, Alex Aliper, Feng Ren, Alan Aspuru-Guzik, Alex Zhavoronkov , Min Hsiu Hsieh dan Yen-Chu Lin, 12 Mei 2023, Jurnal Informasi dan Pemodelan Kimia.
DOI: 10.1021/acs.jcim.3c00562
