QuPepFold: Un paquete de Python para simulaciones híbridas de plegamiento de proteínas cuántico-clásicas con VQE...

Área de la Ciencia:

• Biología computacional Biología computacional.
• La computación cuántica es la computación cuántica.
• Descubrimiento de Drogas Descubrimiento de Drogas

Sus antecedentes:

• El plegamiento de proteínas, especialmente para las regiones intrínsecamente desordenadas (IDR), presenta desafíos computacionales significativos.
• Los métodos clásicos luchan con el muestreo conformacional requerido para el análisis de IDR.
• La orientación de los IDR es crucial para el desarrollo de terapias contra enfermedades relacionadas con el mal plegamiento de las proteínas.

Objetivo del estudio:

• Introducir QuPepFold, un paquete modular de Python para simulaciones híbridas de plegado de péptidos cuántico-clásicos.
• Permitir un mayor acceso a la computación cuántica para la investigación en biología estructural.
• Facilitar la exploración de conjuntos de IDR para la orientación terapéutica.

Principales métodos:

• Utilice un eigenensolver cuántico variacional (VQE) optimizado con un objetivo de valor en riesgo condicional (CVaR) para el cálculo de la energía del estado fundamental.
• Emplear un enfoque CVaR para priorizar las mediciones de baja energía, mejorando la convergencia y la resiliencia al ruido.
• Asegurar la independencia del hardware con interfaces para varios simuladores y dispositivos cuánticos a través de Amazon Braket.

Principales resultados:

• El VQE optimizado para CVaR logró energías de estado fundamental aproximadamente un 30% más rápido que el VQE estándar para péptidos cortos.
• Logró más del 90% de fidelidad en la reproducción de las energías del estado fundamental en la computadora cuántica IonQ Aria-1.
• Cálculos de energía consistentes y transferibles demostrados en diferentes simuladores y hardware físico.

Conclusiones:

• QuPepFold proporciona un marco accesible para la integración de la computación cuántica en los estudios de plegamiento de péptidos.
• El paquete simplifica la construcción de circuitos cuánticos y la mitigación de errores, reduciendo la barrera para los biólogos estructurales.
• Facilita los esfuerzos de descubrimiento de fármacos dirigidos a proteínas desordenadas al permitir un muestreo eficiente de conjuntos de IDR.