By Kenna Hughes-Castleberry lagt ut 06. oktober 2022
Med over $ 1.42 billion i inntekter i hele USA, presenterer farmaindustrien mange lukrative muligheter for kvantedatabedrifter. Fordi medikamentdesign og etablering av nye materialer forskes på en molekylær skala, blir de aktuelle fagene i hovedsak kvantesystemer. Dette gjør det betydelig lettere for kvantedatamaskiner å analysere og simulere disse materialene da datamaskinene også er kvantesystemer. Mens klassisk databehandling allerede blir brukt (vanligvis i kombinasjon med maskinlæring) på legemiddelsimuleringer, kan kvantedatabehandling ikke bare strømlinjeforme oppdagelsesprosessen, men kan også skape en paradigmeskifte for hele legemiddelindustrien.
Riverlane-sjef for kvantevitenskap Dr. Nicole Holzmann diskuterer kvantedatabehandlingens rolle i farmaindustrien. (PC Riverlane)
"Utvikling er så grunnleggende at farmasøytisk bruker hele 15 prosent av sitt eget salg på FoU," forklarte en 2021 McKinsey and Company-artikkel. Kvanteberegning kan redusere disse kostnadene betydelig ved å bruke simuleringer for i silico kliniske studier. Her vil deltakere og ulike medikamentbehandlinger bli simulert, slik at en kvantedatamaskin kan teste legemiddelprotokoller og optimere for løsninger på en billigere og mer effektiv måte. Andre kvantesimuleringer ser på molekylære interaksjoner mellom proteiner for å forutsi hvordan et medikament kan fungere. Nylig forskning fra kvantedatabedriften Riverlane laget spesielle algoritmer ved å bruke en innebyggingsteknikk for å studere enzymet hydrogenase og fotosensibilisatormolekylet temoporfin. "Vi ønsker å finne en måte å beregne en aktiv del av et medikament i et proteinmiljø på en kvantedatamaskin," forklarte Riverlanes leder for kvantevitenskap, Dr. Nicole Holzmann. "Men dette er veldig vanskelig å gjøre fordi systemene er superstore. Så det er grunnen til at vi må finne en måte å isolere den aktive delen av et protein og å beregne den lille biten på en kvantedatamaskin."
Klassisk databehandling har allerede laget narkotikasimuleringer via CADD (Dataassistert legemiddeloppdagelse). Med CADD kan forskere bruke maskinlæring til å lage simuleringer av molekylære interaksjoner. Imidlertid har CADD sine begrensninger, ettersom den ser over alle dataene, til og med mulige "blindvei"-molekyler. Denne begrensningen kan skape en flaskehals for legemiddelindustrien, da den begrenser hvilke molekyler som kan studeres. Med en kvantedatamaskin kan denne prosessen strømlinjeformes og raskere, noe som muliggjør en mer akselerert oppdagelsesprosess. Med faktiske legemiddelforsøk vil ikke bli erstattet av legemiddelsimuleringer, kan disse datasimuleringene hjelpe til med å finne potensielle behandlingsprotokoller på en mye mer kostnadseffektiv måte. "Hvis du ser på legemiddeldesignsyklusen, tar det mange, mange år, for eksempel 12 år å designe et legemiddel," sa Holzmann. "Det er veldig, veldig dyrt. Du kan starte med millioner av molekyler, og til slutt er du glad hvis du har en håndfull potensielle kandidater. Og i den lange prosessen, hvor det er mange eksperimentelle trinn.» Kvantedatabehandling kan ikke bare bidra til å redusere denne prosessen betydelig, men kan også forårsake et potensielt paradigmeskifte i farmaindustrien. Med mer datakraft kan kvantedatamaskiner også utvide typene av simulerte molekylære systemer til å inkludere ting som antistoffer eller til og med hele peptider.
Tidslinjen for kvanteberegning i legemiddelindustrien
Mens kvantedatamaskiner tilbyr disse mange fordelene, kan det ta en stund før de kan brukes fullt ut. En av grunnene til dette etterslepet er mangelen på brukstilfeller. Mens selskaper som Riverlane eksperimenterer med mulige brukstilfeller (for eksempel i deres samarbeid med begge Astex Pharmaceuticals og Rigetti databehandling), vil det ta litt tid å utvikle nok brukstilfeller til å bruke kvanteberegning. Den andre hovedårsaken til denne tidsforsinkelsen er maskinvareutvikling. Nåværende kvantedatamaskiner som brukes på nye materialer eller medikamentoppdagelse anses å være NISQs (Noisy Intermediate Scale Quantum), hvor de fortsatt inneholder feil og andre problemer. McKinsey and Company tror at feilfrie kvantedatamaskiner vil være tilgjengelige utover 2030, og vil lage store bølger i legemiddelindustrien. Selskaper liker Quantum Brilliance håper å bruke unik maskinvare, som diamant kvanteakseleratorer, for å overvinne disse maskinvareutfordringene. Riverlane prøver på samme måte å løse disse problemene. "Det er et annet område hvor Riverlane legger mye arbeid for å rette opp feil som skjer på disse maskinene," la Holzmann til. "Så vi har mange qubits som du bruker til beregning, og i løpet av den beregningen vil noen av dem gå i stykker. Det bare skjer, det vil alltid skje, selv om vi har bedre maskiner. For å gjøre denne beregningen nyttig, må vi kalibrere for disse feilene."
Andre kvanteselskaper som Kvantinuum er allerede i gang med å prøve å forkorte tidslinjen. Nylig lanserte Quantinuum InQuanto, en programvare for kvanteberegningskjemi spesielt utviklet for kjemikere for å bruke flere kvantealgoritmer på en kvantedatamaskin. "Quantum computing tilbyr en vei til rask og kostnadseffektiv utvikling av nye molekyler og materialer som kan låse opp nye svar på noen av de største utfordringene vi står overfor," forklarte Patrick Moorhead, administrerende direktør og sjefanalytiker for Moor Insights and Strategy i Quantinuums pressemelding. Selv om InQuanto er den første av denne typen plattformer, vil den garantert ikke være den siste siden andre kvanteselskaper håper å utnytte datakraften sin på bakkenivå ved å samarbeide med forskjellige farmasøytiske selskaper. Etter hvert som flere av disse partnerskapene oppstår, kan legemiddelindustrien for alltid bli forandret av kraften som er kvanteberegning.
Kenna Hughes-Castleberry er stabsskribent ved Inside Quantum Technology og Science Communicator ved JILA (et partnerskap mellom University of Colorado Boulder og NIST). Skriverytmene hennes inkluderer dypteknologi, metaverset og kvanteteknologi.
