[논문 리뷰] Quantum network medicine: rethinking medicine with network science and quantum algorithms

Sabrina Maniscalco, Elsi-Mari Borrelli외 15명|arXiv (Cornell University)|2022. 06. 22.

Bioinformatics and Genomic Networks인용 수 9

한 줄 요약

이 논문은 네트워크 의학과 양자 알고리즘을 융합한 새로운 다학제적 프레임워크인 양자 네트워크 의학을 제안한다. 이는 질병 이해, 신약 개발 및 치료법 개선을 혁신적으로 변화시킨다. 고정밀도 양자 화학적 시뮬레이션을 위해 양자 컴퓨팅을 활용하고, 생물학적 상호작용의 체계적 분석을 위해 네트워크 과학을 적용함으로써, 광범위한 화합물 공간을 효율적으로 탐색하고 임상 성공 가능성이 높은 다중표적 약물 후보를 식별할 수 있다.

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.

연구 동기 및 목표

• 기존의 단순화된 생물학적 모델로 인한 제약를 해결하기 위해 체계생물학과 양자 컴퓨팅을 통합하여 생물학적 모델의 복잡성을 극복한다.
• 고전적 방법으로는 계산적으로 비가역적인 대규모 생물학적 네트워크와 광범위한 화합물 공간 분석 문제를 해결한다.
• 양자 시뮬레이션과 네트워크 기반 생물학적 프로파일링을 융합하여 분자 상호작용과 약물 효능을 원천적 예측할 수 있도록 한다.
• macro-스케일 질병 네트워크에서부터 micro-스케일 약물-표적 결합의 양자 화학적 시뮬레이션에 이르기까지 다스케일 프레임워크를 개발한다.
• 양자 컴퓨팅, 네트워크 과학, 생명과학을 융합한 새로운 다학제적 생태계를 조성하여 의학 분야의 거대한 과제를 해결한다.

제안 방법

• 단백질-단백질 상호작용, 유전자 조절 네트워크, 대사 경로 등을 포함한 옴믹스 데이터를 사용하여 생물학적 시스템을 네트워크로 모델링한다.
• 도수 중심성, 간섭 중심성, 군집 계수 등의 네트워크 과학 기법을 적용하여 질병 모듈과 핵심 분자 표적을 식별한다.
• 특히 변분 양자 고유치 문제 해결기(VQEs)와 양자 머신러닝 방법을 포함한 양자 알고리즘을 활용하여 단백질-리간드 결합과 같은 양자 화학적 과정을 시뮬레이션한다.
• 네트워크 의학의 결과물(예: 바람직한 생물학적 프로파일)을 양자 알고리즘의 입력 제약 조건으로 활용하여 다약물 효과를 갖는 화합물 탐색을 효율적으로 유도한다.
• 근접한 양자 하드웨어와 고장내성 양자 하드웨어를 활용하여 고전적으로 해결이 불가능한 복잡한 분자 시스템을 시뮬레이션한다.
• 네트워크 기반 질병 모듈 식별에서 단백질 구조 모델링, 후보 약물의 양자 화학적 최적화에 이르기까지 계층적이고 다스케일 컴퓨팅 파이프라인을 구축한다.

실험 결과

연구 질문

• RQ1 양자 알고리즘이 양자 화학 수준에서 약물-표적 상호작용을 더 정확하고 효율적으로 시뮬레이션하는 데 어떻게 기여할 수 있는가?
• RQ2 네트워크 의학은 전통적인 단순화 기반 접근 방식을 뛰어넘어 질병 모듈과 다중표적 약물 후보를 식별하는 데 어떤 방식으로 향상시킬 수 있는가?
• RQ3 네트워크 기반 체계생물학과 양자 시뮬레이션을 융합할 경우, 효과적이고 저독성인 약물 조합을 예측하는 데 어떤 상호보완적 잠재력을 지닐 수 있는가?
• RQ4 양자 컴퓨팅은 어떻게 기존의 고전적 방법으로는 계산이 불가능한 기하급수적으로 증가하는 화합물 공간 탐색 문제를 해결할 수 있는가?
• RQ5 하이브리드 양자-고전 알고리즘은 정밀의료 응용 분야에서 실용적이고 확장 가능한 솔루션을 제공하는 데 어떤 역할을 할 수 있는가?

주요 결과

• 양자 네트워크 의학은 네트워크 과학과 양자 알고리즘을 융합하여 질병 기전을 모델링하고 치료적 화합물을 식별하는 전환적이고 다스케일 프레임워크를 제공한다.
• 네트워크 의학과 양자 컴퓨팅의 조합은 실험 데이터가 전혀 없는 화합물에 대해서도 원천적 예측을 가능하게 한다.
• VQE와 같은 양자 알고리즘은 특히 강한 상관관계를 가지는 시스템에서 고전적 방법보다 더 높은 정밀도로 단백질-리간드 결합과 같은 복잡한 양자 화학적 과정을 시뮬레이션할 수 있다.
• 네트워크 의학 기법은 질병 모듈과 핵심 표적을 식별할 수 있으며, 이를 양자 알고리즘의 제약 조건으로 활용하여 화합물 공간에서의 효율적 탐색을 유도할 수 있다.
• 이 프레임워크는 약물의 이차 작용 및 다약물 효과를 포함한 체계적 예측을 통해 임상 시험 실패 비율을 낮추는 데 기여한다.
• 양자 하드웨어와 네트워크 과학 분야의 급속한 발전은 고장내성 시대에 실질적인 양자 우위가 곧장 또는 중기적으로 달성 가능할 것으로 보인다.