克利夫兰诊所携手IBM：量子计算在医疗研究中的突破性应用

克利夫兰诊所携手IBM：量子计算在医疗研究中的突破性应用

2024年5月，克利夫兰诊所（Cleveland Clinic）与IBM研究人员在《化学理论与计算杂志》上发表了一篇关于量子计算方法应用于蛋白质结构预测的研究论文。这是克利夫兰诊所与IBM发现加速器合作的首个经过同行评审的量子计算研究论文。

数十年来，研究人员一直利用计算方法来预测蛋白质结构。蛋白质会折叠成决定其功能和与体内其他分子结合方式的结构。这些结构决定了许多方面的人类健康和疾病状况。通过准确预测蛋白质的结构，研究人员能够更好地理解疾病传播方式，从而开发有效的治疗方法。

近年来，机器学习技术在蛋白质结构预测方面取得了显著进展。这些方法依赖于训练数据（实验确定的蛋白质结构数据库）来进行预测。这意味着它们受到所识别蛋白质数量的限制。当程序/算法遇到突变或与训练时所用蛋白质差异较大的蛋白质时（这在遗传疾病中很常见），准确性可能会降低。

另一种方法是模拟蛋白质折叠的物理过程。通过模拟，研究人员可以观察给定蛋白质的各种可能形状，并找到最稳定的一种。最稳定的形状对于药物设计至关重要。然而，对于经典计算机来说，这些模拟在蛋白质达到一定大小后几乎不可能完成。克利夫兰诊所的博士后研究员 Bryan Raubenolt 博士和 IBM 研究员 Hakan Doga 博士带领团队研究量子计算如何改进当前的方法。

研究团队应用了量子和经典计算方法的混合框架。该框架可以通过量子算法解决经典计算难以应对的挑战，包括蛋白质大小、固有无序性、突变以及蛋白质折叠涉及的物理过程。该框架通过在量子计算机上准确预测寨卡病毒蛋白小片段的折叠，验证了其有效性，并且与最先进的经典方法进行了比较。量子-经典混合框架的初步结果优于基于经典物理的方法和 AlphaFold2。尽管后者是为处理较大蛋白质而设计的，但这也展示了该框架在不直接依赖大量训练数据的情况下创建准确模型的能力。

除了在蛋白质结构预测方面的突破，克利夫兰诊所与IBM的合作还涉及多个量子计算项目，涵盖药物发现、基因组学、临床决策支持等多个领域。例如，他们正在开发量子计算基准测试框架，以克服硬件或软件故障，并测试评估与基因组学、计算生物学、蛋白质构象分析、蛋白质-药物相互作用等领域相关的计算分析问题。

在心血管并发症风险预测方面，研究团队正在探索使用量子计算研究基于电子健康记录（EHR）的实际预测。通过应用量子机器学习技术，可以提高对非心脏手术后心血管并发症风险因素的理解，改善患者预后，并可能通过促进临床决策来降低医疗成本和资源利用。

在癌症免疫治疗领域，双方正在结合人工智能和量子计算，推进癌症免疫治疗设计中的关键生物医学任务。项目目标是设计出能高效杀灭癌细胞的最优免疫T细胞和T细胞受体。团队将通过结合经典和量子计算算法知识以及克利夫兰诊所的新型实验数据集来实现这一目标。

这些合作项目展示了量子计算在医疗研究中的巨大潜力，尤其是在处理复杂生物医学问题时的优势。随着研究的深入和技术的进步，量子计算有望在未来彻底改变医疗行业，为人类健康带来革命性突破。