[論文レビュー] Quantum network medicine: rethinking medicine with network science and quantum algorithms

Sabrina Maniscalco, Elsi-Mari Borrelli+15 more|arXiv (Cornell University)|Jun 22, 2022

Bioinformatics and Genomic Networks被引用数 9

ひとこと要約

本稿では、ネットワーク医学と量子アルゴリズムを統合する画期的な学際的フレームワーク「量子ネットワーク医学」を提案する。このアプローチにより、疾患の理解、ドラッグディスcovery、治療法の革新が実現される。量子コンピューティングを用いて高精度な量子化学的シミュレーションを実施し、ネットワーク科学を用いて生物学的相互作用のシステム論的分析を実施することで、膨大な化合物スケールの探索が可能となり、臨床的成功率の高い多価標的ドラッグ候補の同定が可能となる。

ABSTRACT

Scientific and technological advances in medicine and systems biology have unequivocally shown that health and disease must be viewed in the context of the interplay among multiple molecular and environmental factors. Understanding the effects of cellular interconnection on disease progression may lead to the identification of novel disease genes and pathways, and hence influence precision diagnostics and therapeutics. To accomplish this goal, the emerging field of network medicine applies network science approaches to investigate disease pathogenesis, integrating information from relevant Omics databases, including protein-protein interaction, correlation-based, gene regulatory, and Bayesian networks. However, this requires analysing and computing large amounts of data. Moreover, if we are to efficiently search for new drugs and new drug combinations, there is a pressing need for computational methods that could allow us to access the immense chemical compound space until now largely unexplored. Finally, at the microscopic level, drug-target chemistry simulation is ultimately a quantum problem, and hence it requires a quantum solution. As we will discuss, quantum computing may be a key ingredient in enabling the full potential of network medicine. We propose to combine network medicine and quantum algorithms in a novel research field, quantum network medicine, to lay the foundations of a new era of disease prevention and drug design.

研究の動機と目的

• 従来のドラッグディスcoveryの限界を克服するため、システム生物学と量子コンピューティングを統合し、単純化された生物学的モデルの問題を解消すること。
• 古典的手法では計算的に不活性な大規模な生物学的ネットワークと膨大な化合物スケールの探索を実現する。
• 量子シミュレーションとネットワークベースの生物学的プロファイルを統合することで、分子相互作用とドラッグ効果の第一原理的予測を可能にすること。
• マクロスケールの疾患ネットワークからマイクロスケールのドラッグ標的結合の量子化学的シミュレーションまでをカバーするマルチスケールフレームワークの構築。
• 量子コンピューティング、ネットワーク科学、ライフサイエンスを統合する新しい学際的エコシステムを形成し、医学分野のグランドチャレンジに取り組むこと。

提案手法

• オミクスデータ（たんぱく質-たんぱく質相互作用、遺伝子調節ネットワーク、代謝経路など）を用いて生物学的システムをネットワークとしてモデル化する。
• 次数中心性、媒介中心性、クラスタ係数などのネットワーク科学的手法を適用し、疾患モジュールや主要な分子標的を同定する。
• 特に変分量子固有状態求解器（VQEs）と量子機械学習手法を用いて、タンパク質-リガンド結合のような量子化学的プロセスをシミュレートする。
• ネットワーク医学の出力（例：望ましい生物学的プロファイル）を量子アルゴリズムの入力制約として活用し、多薬理的効果を有する化合物の探索を効率化する。
• 近い将来のフォールトトレランスあり量子ハードウェアと、将来のフォールトトレランスあり量子ハードウェアを活用し、古典的には不活性な複雑な分子系のシミュレーションを実現する。
• ネットワークベースの疾患モジュール同定からタンパク質構造モデリング、候補ドラッグの量子化学的最適化までをカバーする階層的・マルチスケールの計算パイプラインを構築する。

実験結果

リサーチクエスチョン

• RQ1 量子アルゴリズムは、量子化学的レベルでのドラッグ標的相互作用のシミュレーションにおいて、精度と効率をどのように向上させ得るか？
• RQ2 ネットワーク医学は、従来の還元論的アプローチをはるかに超えて、疾患モジュールや多価標的ドラッグ候補の同定をどのように改善できるか？
• RQ3 ネットワークベースのシステム生物学と量子シミュレーションを統合することで、有効で低毒性のドラッグコンビネーションを予測するための相乗効果は何か？
• RQ4 量子コンピューティングは、指数関数的に増大する化合物スケールの探索において、古典的手法の限界をどのように克服できるか？
• RQ5 ハイブリッド量子古典アルゴリズムは、精密医学応用における実用的でスケーラブルなソリューションを実現するために、どのような役割を果たすか？

主な発見

• 量子ネットワーク医学は、ネットワーク科学と量子アルゴリズムを統合した画期的でマルチスケールのフレームワークを提供し、疾患のメカニズムのモデル化と治療的化合物の同定を可能にする。
• ネットワーク医学と量子コンピューティングの統合により、実験的データが全くない化合物に対しても、第一原理的予測が可能になる。
• VQEなどの量子アルゴリズムは、特に強く相関した系において、古典的手法よりも高い忠実度でタンパク質-リガンド結合のような複雑な量子化学的プロセスをシミュレートできる。
• ネットワーク医学の手法により疾患モジュールや主要標的を同定でき、それらを量子アルゴリズムの制約として活用することで、化合物スケールの探索を効率化できる。
• このフレームワークは、オフターゲット相互作用や多薬理的アウトカムを含む、包括的な薬物効果のシステム論的予測を可能にすることで、臨床試験の失敗率の高い問題を是正する。
• 量子ハードウェアとネットワーク科学分野の急速な進展から、特にフォールトトレランス時代において、ドラッグディスcovery分野での実用的量子優位性の実現が近い将来に見込まれる。