在過去幾年里，量子計算的迅猛發(fā)展為生命科學(xué)領(lǐng)域帶來巨大的變革潛力，例如縮短藥物研發(fā)周期、探索癌癥個性化治療等。華大生命科學(xué)研究院與量旋科技開展深入合作，探索量子計算在生命科學(xué)領(lǐng)域的應(yīng)用。利用量子算法來實(shí)現(xiàn)基因組組裝，不僅很好地解決了基因組組裝的棘手問題，而且可以使用更少的量子資源，模擬更大的量子系統(tǒng)，為在NISQ時代模擬大規(guī)模系統(tǒng)提供了可能性。

基因組測序關(guān)乎生命解密

傳統(tǒng)基因組組裝方法面臨諸多挑戰(zhàn)

成立于1999年，肇始于“人類基因組計劃”的華大基因，是全球領(lǐng)先的生命科學(xué)前沿機(jī)構(gòu)，以“產(chǎn)學(xué)研”一體化的發(fā)展模式，引領(lǐng)基因組學(xué)的創(chuàng)新發(fā)展，通過遍布全球100多個國家和地區(qū)的分支機(jī)構(gòu)，推動基因科技成果轉(zhuǎn)化，實(shí)現(xiàn)基因科技造福人類。

作為華大基因旗下的核心研發(fā)機(jī)構(gòu)，華大生命科學(xué)研究院以基因組學(xué)為基礎(chǔ)，聚焦于基礎(chǔ)研究領(lǐng)域的前沿方向和關(guān)鍵問題，其中就包括生物信息與量子計算相結(jié)合的應(yīng)用場景研究。

眾所周知，基因是生命底層的密碼，而基因測序技術(shù)，是解密生命的一個關(guān)鍵手段，不僅有助于揭示生命起源和演化過程中的奧秘，而且可以協(xié)助研究疾病的病理機(jī)制，為人類開展疾病的早期治療以及個性化醫(yī)療提供幫助。

當(dāng)前，基因組測序方面，受測序技術(shù)的內(nèi)在限制，所能測序的DNA序列長度遠(yuǎn)遠(yuǎn)小于實(shí)際的基因組大小。例如，人類基因組大小約為3G（30億個堿基對），而目前主流的第二代測序技術(shù)的測序讀長通常在100bp（堿基對）到300bp之間。

在實(shí)驗中，研究人員往往通過“鳥槍法”（一種直接從生物細(xì)胞基因組中，獲取目的基因的方法）將完整的基因組隨機(jī)切成大小適宜的基因片段，再通過測序儀器讀取片段的堿基信息，并生成數(shù)據(jù)。后續(xù)，通過基因組組裝技術(shù)，將海量的數(shù)據(jù)組裝成完整的基因組。

而對于一些基因組復(fù)雜區(qū)域，由于存在大量的基因重復(fù)片段和高雜合度，往往使得基因組組裝變得更加困難，因而影響最終的基因組組裝結(jié)果。

當(dāng)前，常用的兩種基因組組裝方法，OLC（Overlap-Layout-Consensus）和DBG（De Bruijn Graph），都無法完美地解決這一棘手問題。此外，由于經(jīng)典算法應(yīng)用于基因組組裝時，往往會面臨數(shù)據(jù)存儲和計算資源的挑戰(zhàn)。華大研究院量子計算團(tuán)隊負(fù)責(zé)人黃俊翰博士表示，在進(jìn)行基因組組裝前，需要對測序片段進(jìn)行序列比對等預(yù)處理，如果在沒有參考基因組的情況下，所需要的計算量往往會迅速增長，最終導(dǎo)致無法在有效的時間內(nèi)完成計算任務(wù)。因此，團(tuán)隊也開始積極探索其他創(chuàng)新性的解決方案。

攜手量旋科技

利用變分量子算法助力基因組測序

在過去幾年里，量子計算的迅猛發(fā)展為生命科學(xué)領(lǐng)域帶來巨大的變革潛力，例如縮短藥物研發(fā)周期、探索癌癥個性化治療等。這也讓華大研究院產(chǎn)生了新思考：借助量子計算技術(shù)，或許可以找到更高效、更精確的基因組組裝方法。

華大生命科學(xué)研究院量子計算團(tuán)隊負(fù)責(zé)人黃俊翰博士(左一)

量旋科技創(chuàng)始人&CEO項金根博士(右一)

2022年7月，華大研究院與量旋科技簽署協(xié)議，通過以量子計算技術(shù)為驅(qū)動，生命科學(xué)領(lǐng)域相關(guān)應(yīng)用場景和數(shù)據(jù)為依托的研發(fā)合作，共同打造量子計算賦能生命科學(xué)的標(biāo)桿。其中一個重要任務(wù)方向，就是探索量子算法在基因組組裝上的應(yīng)用。

針對實(shí)現(xiàn)基因組組裝量子算法的諸多挑戰(zhàn)，雙方各自投入專家資源，具體分工上，華大研究院主要負(fù)責(zé)生物問題的建模，而量旋科技則負(fù)責(zé)開發(fā)量子算法，在合作中探索出一種新的基因組組裝方法：

首先，將基因組組裝的問題，轉(zhuǎn)化為組合優(yōu)化的問題。具體而言，根據(jù)測序片段的內(nèi)在聯(lián)系生成有向圖，最后求解最優(yōu)路徑問題。

其次，對組合優(yōu)化問題進(jìn)行數(shù)學(xué)建模，再映射成由泡利算符構(gòu)成的哈密頓量形式。通俗來講，就是將問題翻譯成量子計算機(jī)能夠識別的語言。

然后，利用變分量子算法進(jìn)行求解哈密頓量的最優(yōu)本征值及其對應(yīng)的最優(yōu)本征態(tài)。變分量子算法是一種量子-經(jīng)典混合算法，它的本質(zhì)是近似優(yōu)化算法（一種用來發(fā)現(xiàn)近似方法解決優(yōu)化問題的算法），被認(rèn)為是在未來實(shí)際應(yīng)用中，最有前途的量子算法之一。

最后，經(jīng)過解碼最優(yōu)本征態(tài)，得到基因組組裝的最優(yōu)路徑。

值得一提的是，這種新方法通過使用分布式量子-經(jīng)典混合算法，充分利用了量子的疊加性和糾纏性，可以有效地提高計算能力，利用更少的量子資源，模擬更大的量子系統(tǒng)，解決了高通量基因測序組裝過程中，計算資源消耗過大的問題，也為在NISQ時代（中等規(guī)模含噪量子時代）模擬大規(guī)模系統(tǒng)提供了可能性。

量子計算賦能生命科學(xué)

產(chǎn)業(yè)變革加速

實(shí)際上，除基因組組裝外，量子計算在生命科學(xué)領(lǐng)域展示了廣闊的應(yīng)用潛力，包括制藥、醫(yī)療、分子生物學(xué)等領(lǐng)域。

以新藥研發(fā)為例。由于藥物研發(fā)的風(fēng)險巨大，不僅周期漫長，而且成本高昂。一款創(chuàng)新藥平均需要投入20億美元和10年時間才能進(jìn)入市場，但是其成功率令人擔(dān)憂，臨床研究的成功率不足10%。然而，借助量子計算技術(shù)，企業(yè)可以通過精確地模擬量子力學(xué)來更準(zhǔn)確地模擬生化反應(yīng)過程。如此一來，企業(yè)可以在更短的時間內(nèi)找到更高效的藥物分子，這將大大加速藥物發(fā)現(xiàn)和新藥開發(fā)進(jìn)程。

Pistoia Alliance、QED-C 和 QuPharm 聯(lián)合進(jìn)行的一次調(diào)查顯示：82%的生命科學(xué)公司認(rèn)為量子計算將在未來10年內(nèi)對行業(yè)產(chǎn)生積極影響。

鑒于量子計算的應(yīng)用潛力，有越來越多的醫(yī)學(xué)機(jī)構(gòu)和制藥企業(yè)開始積極擁抱它。生物制藥巨頭諾和諾德，已宣布投資2億美元開發(fā)量子計算機(jī)，專門用于新藥研發(fā)；克利夫蘭診所與 IBM 合作，部署了世界第一臺專門用于醫(yī)療保健研究的量子計算機(jī)，以加速生物醫(yī)學(xué)發(fā)現(xiàn)；德國制藥公司勃林格殷格翰（Boehringer Ingelheim）與谷歌人工智能實(shí)驗室達(dá)成合作協(xié)議，致力于研究藥物發(fā)現(xiàn)中量子計算的前沿用例，特別包括分子動力學(xué)模擬......

從制藥到個性化醫(yī)療，量子計算展現(xiàn)出明顯的優(yōu)勢，它將為生命科學(xué)領(lǐng)域的挑戰(zhàn)帶來創(chuàng)新性的解決方案，并引領(lǐng)生命科學(xué)進(jìn)入變革時代。隨著量子計算逐漸改變傳統(tǒng)生命科學(xué)領(lǐng)域的研究方式，我們有望見證更多量子計算在生命科學(xué)中的重大突破，為人類健康和福祉做出更大貢獻(xiàn)。