Исследователи закодировали геном вируса гепатита D — это один из первых шагов на пути к «квантовой геномике».
С момента знаковой расшифровки генома человека в начале 2000-х годов объем секвенирования ДНК резко возрос. Традиционные компьютеры с трудом справляются с потоком данных и растущими требованиями к вычислительной мощности, что создает «узкое место» в способности ученых анализировать бесчисленные вариации ДНК для получения биологических знаний — и стимулирует поиск альтернативных решений. Теперь один из вариантов — квантовые вычисления — возможно, станет шагом вперед на пути к решению этой проблемы. В сообщении, опубликованном 9 апреля, исследователи заявили, что им впервые удалось закодировать полный, хотя и небольшой, геном — геном вируса гепатита D — в квантовом компьютере, доказав в принципе, что эти необычные машины однажды смогут помочь в геномных исследованиях.
«Это важный шаг», — считает Гуглиелмо Маццола, исследователь квантовых алгоритмов из Международной школы высших исследований (Италия), который не участвовал в данной работе. «Если вы хотите заниматься обработкой геномных данных, вам сначала нужно ввести данные». Однако он предупреждает, что пока квантовые компьютеры не смогут обрабатывать более крупные геномы или фактически проводить анализ этих данных, трудно судить, превзойдут ли они другие передовые технологии. «Пока неизвестно, смогут ли квантовые компьютеры действительно принести пользу в этой области».
В отличие от классических компьютеров, которые кодируют информацию в виде двоичных битов 0 и 1, квантовые компьютеры используют кубиты, которые могут принимать значения 0, 1 или состояние «суперпозиции», когда они одновременно находятся в состояниях 0 и 1. Теоретически эти одновременные состояния позволяют квантовому компьютеру решать задачи, которые оказались бы непосильными для обычного компьютера, такие как дешифровка криптографических кодов или моделирование поведения молекул. В принципе, эти машины могут ускорить решение некоторых оптимизационных задач, представляя множество возможных ответов в виде волнообразных состояний на своих кубитах. По мере развития этих состояний они взаимодействуют друг с другом, как рябь на воде, повышая вероятность появления лучших решений и снижая вероятность появления худших.
Этот подход может оказаться многообещающим для изучения огромного генетического разнообразия, обнаруживаемого у людей и других организмов. Хотя генетики долгое время полагались на эталонные геномы, представленные единичными линейными последовательностями, они все чаще обращаются к «пангеномам», которые фиксируют множество возможных последовательностей ДНК или РНК в пределах вида, разветвляясь на альтернативные версии. Например, пангеномы считаются ключом к персонализированной медицине и пониманию эволюции патогенов, но они сложны с точки зрения вычислений. Их построение и анализ предполагают поиск путей через обширный запутанный лабиринт возможных комбинаций последовательностей — именно та задача, в которой квантовый компьютер может преуспеть.
Quantum for Bio (Q4Bio) — программа стоимостью 50 миллионов долларов, финансируемая Wellcome Leap, фондом высокорискового биомедицинского финансирования, выделенным из британской благотворительной организации Wellcome Trust, — была призвана стимулировать это и другие применения квантовых вычислений в сфере здравоохранения. Двенадцать команд, каждая из которых сосредоточилась на своей цели, прошли через то, что один из исследователей назвал соревнованием в стиле «Голодных игр»: гонку за демонстрацией преимуществ квантовых вычислений в своей области в обмен на призы и проход в следующий раунд финансирования. Проектам предстояла тяжелая борьба. Современные квантовые компьютеры нестабильны, подвержены ошибкам и ограничены по количеству кубитов. Даже кодирование данных в квантовые состояния — трудоемкий процесс. «Иногда загрузка данных так же сложна, как и выполнение всего вычисления», что с самого начала нивелирует преимущество использования квантового компьютера, говорит Маццола.
Одним из шести проектов Q4Bio, вышедших в финальный раунд, стал проект Quantum Pangenome под руководством Сергея Стрельчука, компьютерного ученого из Оксфордского университета. Команда Стрельчука разработала алгоритмы для сжатия последовательностей ДНК и их максимально эффективного кодирования в квантовые состояния. Изначально исследователи планировали протестировать свой подход на вирусе ΦX174, поражающем бактерии, который в 1977 году стал первым организмом, ДНК которого была полностью секвенирована. Однако для 5386 нуклеотидов ΦX174 потребовался бы квантовый компьютер с 387 кубитами — это слишком много для 156-кубитного процессора IBM, который использовали исследователи. Поэтому они обратились к гепатиту D — одной из основных причин заболеваний печени и с РНК длиной около 1700 нуклеотидов, человеческому вирусу с самым маленьким из известных геномов.
Им удалось закодировать генетическую информацию гепатита D в 117 кубитах — эту работу они планируют описать в препринте в ближайшие недели. Сейчас они решают, что делать с закодированными данными, говорит соавтор исследования Джеймс Маккаферти, директор по информационным технологиям Wellcome Sanger. «Мы находимся в самом начале пути». Исследователи уже опубликовали препринт, описывающий квантовые алгоритмы, которые можно использовать для сборки пангеномных данных. Стрельчук говорит, что хочет разработать онлайн-интерфейс, где исследователи смогут однажды загружать, обрабатывать и анализировать последовательности. Стефан Бекиранов, вычислительный биолог из Университета Вирджинии, высоко оценил это очевидное техническое достижение, но сказал, что не видит, чтобы квантовая геномика получила широкое распространение в ближайшее время. «Вы сталкиваетесь с чрезвычайно мощными классическими вычислительными алгоритмами, — говорит он. — Впереди много тяжелой работы».
Стрельчук говорит, что он оптимистично настроен: оттачивание методов сжатия и кодирования геномных данных в сочетании с более мощными и отказоустойчивыми квантовыми компьютерами сделает эту перспективу более реалистичной в ближайшие годы. Хотя применение квантовых компьютеров к геному человека с его 3,1 миллиардами пар оснований остается отдаленной целью, исследователи могли бы сначала сосредоточиться на более коротких, важных с медицинской точки зрения и высоковариабельных участках нашей ДНК, добавляет он.
Команды, работающие над другими проектами в области здравоохранения в рамках Q4Bio, разделяют этот оптимизм. Компьютерный ученый из Чикагского университета Фред Чонг, возглавляющий проект по биомаркерам рака, разработал гибридные квантово-классические алгоритмы для анализа обширных наборов данных о образцах рака с целью выявления закономерностей, которые могли бы помочь в прогнозировании заболеваний. Хотя его подход, описанный в другом готовящемся к публикации препринте, пока не может превзойти классические методы из-за ограниченного количества кубитов, но отмечает он, «мы ожидаем, что машины достигнут этой способности в ближайшие 2–3 года».
