Verkennen van quantum-annealing voor grofkorrelige eiwitvouwing

Waarom dit van belang is voor toekomstige geneesmiddelen

De vormen waarin eiwitten zich vouwen bepalen hoe ze in ons lichaam functioneren, van het vervoeren van zuurstof tot het herkennen van virussen. Het voorspellen van deze vormen is cruciaal voor geneesmiddelontwerp, maar het nauwkeurig doen voor alle eiwitten blijft uitermate moeilijk. Dit artikel onderzoekt of een nieuw type rekenhardware — quantum-annealers — op een dag zou kunnen helpen met het kraken van met name moeilijke vouwingproblemen die de huidige kunstmatige intelligentie en klassieke supercomputers uitdagen.

Eiwitten, landschappen en een zoektocht naar snelkoppelingen

In wezen is eiwitvouwing een gigantisch zoekprobleem. Een keten van aminozuren kan in astronomisch veel vormen vouwen, elk met hun eigen energie. De natuur neigt naar lage-energievormen, maar het "energielandschap" is grillig, vol diepe valleien gescheiden door steile heuvels. Standaard optimalisatiemethoden en natuurkundige simulaties raken vaak vast in lokale valleien en missen de beste vouwing. Quantum-annealing is aantrekkelijk omdat quantum-effecten zoals tunneling een systeem theoretisch door sommige van deze heuvels heen zouden kunnen laten glippen in plaats van er altijd overheen te klimmen, waardoor het mogelijk sneller goede vouwingen kan vinden.

Eiwitten vereenvoudigen voor quantum-machines

De huidige quantum-annealers zijn beperkt in grootte en connectiviteit, dus de auteurs werken met vereenvoudigde, of grofkorrelige, modellen van eiwitten. In plaats van elk atoom te volgen, representeren ze elk aminozuur als een kraal op een discrete raster. Ze onderzoeken vier manieren om deze opzet te coderen als een wiskundig probleem dat een quantum-annealer aankan. Twee "draai-gebaseerde" modellen beschrijven de keten door de volgorde van stappen die deze op een raster neemt. Twee "coördinaat-gebaseerde" modellen wijzen elke kraal een specifieke rasterpositie toe. Elke variant kan worden uitgelegd op een standaard kubisch raster of op een economischer tetraëdrisch raster, waarbij elke kraal minder buren heeft. Het team introduceert ook een nieuw coördinaat-gebaseerd schema op het tetraëdrische raster, waarbij twee in elkaar geschoven rasters worden gebruikt om afwisselende kralen te representeren terwijl de interacties eenvoudig blijven.

Het testen van modelkwaliteit en probleemmoeilijkheid

De auteurs voeren eerst een gedetailleerde "middelen-audit" uit: hoeveel binaire variabelen (qubits), hoeveel paargewijze koppelingen en hoe breed een bereik aan interactiesterkten elk model vereist naarmate de eiwitlengte toeneemt. Ze tonen aan dat sommige draai-gebaseerde coderingen snel te dicht worden en zeer hoge numerieke precisie vereisen, wat beide slecht aansluit bij de huidige hardware. Eén eerder voorgesteld draai-gebaseerd tetraëdrisch model vertoont een dieper liggende fout: voor sequenties langer dan ongeveer tien aminozuren kan het duidelijk onfysische zelf-kruisende vouwingen als legitieme laagste-energie-oplossingen beschouwen. In tegenstelling daarmee zijn de coördinaat-gebaseerde schema’s van nature beperkt tot paargewijze interacties en gebruiken ze meer regelmatige straffen, wat de vereiste numerieke precisie bescheiden houdt en de mapping naar hardware schoner maakt, vooral op het tetraëdrische raster.

Waar quantum-hardware helpt — en waar het worstelt

Vervolgens onderzoekt het team hoe "grillig" deze gecodeerde problemen voor elke optimizer, quantum of klassiek, lijken. Ze gebruiken een techniek genaamd parallel tempering om de verdeling van laag-energetische staten te onderzoeken en in te schatten hoe dik de barrières ertussen zijn. De meeste coördinaat-gebaseerde instanties vallen in een regime waar quantum-tunneling in principe zou kunnen helpen om tussen nabijgelegen minima te springen. Er rijst echter een praktisch obstakel: bestaande quantum-annealers kunnen niet elke qubit met elke andere verbinden, dus moet elke logische variabele worden gemapt op een keten van fysieke qubits in een proces dat embedding wordt genoemd. Dit blies het aantal qubits drastisch op en maakt het effectieve energielandschap vaak ruwer en moeilijker op te lossen.

Duel tussen quantum- en klassieke oplossers

Tot slot vergelijken de auteurs hoe lang verschillende methoden nodig hebben om de werkelijke laagste-energie-vouwing te vinden voor korte, willekeurig gekozen aminozuurketens. Ze benchmarken een sterk geoptimaliseerde, GPU-versnelde simulated annealing-code tegen twee generaties commerciële quantum-annealers, met de focus op het meest veelbelovende model: de nieuwe coördinaat-gebaseerde codering op het tetraëdrische raster. Voor kleine test-eiwitten van zes tot negen residuen tonen beide benaderingen vergelijkbare schaalvergroting met de grootte, maar op absolute schaal is de klassieke code nog altijd veel sneller — met meerdere ordes van grootte — wanneer deze op het oorspronkelijke probleem wordt uitgevoerd. Wanneer echter beide methoden exact dezelfde, reeds-embedded versie van het probleem moeten oplossen, presteert de quantum-annealer beter dan hun klassieke simulated annealing, wat wijst op een potentiële schaalvoordeel zodra embedding niet langer de belangrijkste bottleneck is.

Wat dit betekent voor de weg vooruit

Voor de algemene lezer is de conclusie dat quantum-annealing nog geen snelkoppeling is naar het vouwen van realistische eiwitten, maar ook geen doodlopende weg. De studie identificeert coördinaat-gebaseerde modellen op sparsely tetraëdrische rasters als de meest veelbelovende route vooruit, en toont aan dat modelontwerp sterk bepaalt hoe moeilijk de resulterende problemen zijn voor elke oplosser. De huidige quantum-hardware mist de connectiviteit en precisie om eiwitten ver voorbij proof-of-concept-groottes aan te kunnen, en sommige bestaande vouwingmodellen beschrijven zelfs basisfysica onjuist. Toch, naarmate quantum-apparaten beter verbonden qubits en lagere foutpercentages krijgen, en naarmate coderingen verfijnd worden om onfysische vouwingen te vermijden en embedding-overhead te verminderen, zou quantum-annealing concurrerend kunnen worden — en mogelijk uiteindelijk superieur — voor met name grillige eiwitvouwinguitdagingen die klassieke en AI-gebaseerde methoden op de proef stellen.

Bronvermelding: Scheiber, T., Heller, M. & Giebel, A. Exploring quantum annealing for coarse-grained protein folding. Sci Rep 16, 12035 (2026). https://doi.org/10.1038/s41598-026-46916-w

Trefwoorden: quantum-annealing, eiwitvouwing, grofkorrelige modellen, optimalisatie-algoritmen, quantum-computing hardware