科學家成功將整個病毒基因組轉換為量子計算機可處理和分析的格式，這是首次在全基因組範圍內實現此項技術。這項工作涉及將病毒的基因序列編碼為量子數據，研究人員指出，這一方法最終可能使量子系統能夠識別病毒突變、模擬基因組互動，並在藥物發現方面提供傳統計算機無法匹敵的速度。
研究團隊將完整病毒基因組的核苷酸序列——即編碼所有病毒指令的腺嘌呤、胸腺嘧啶、鳥嘌呤和胞嘧啶基本配對的有序字符串——轉換為量子比特，這是量子信息的基本單位。與傳統比特只能持有 0 或 1 的值不同，量子比特利用疊加來同時表示兩種狀態，這使得量子處理器能夠一次評估多種可能的序列配置。
為量子分析轉譯基因組需要將每個核苷酸或核苷酸組映射到相應的量子狀態。這一過程並不簡單：基因組數據本質上是序列化和高維的，而當前的量子硬件則在量子比特數量和錯誤率方面存在限制。要使整個病毒基因組——即使是相對緊湊的基因組——適應這些限制，需採用針對量子架構的數據壓縮和編碼策略。
本次實驗中選取的病毒基因組相對於細菌或人類基因組較小，但該編碼本身對於生物序列數據如何與量子處理系統進行交互提供了有意義的概念驗證。
量子硬件在基因組學中的應用潛力
傳統基因組分析工具——包括用於序列比對的 BLAST 和基於基因組數據庫訓練的機器學習模型——計算量龐大。將新型病原體的基因組與參考庫進行比較，或預測突變如何影響蛋白質折疊，當在大規模進行時需要顯著的處理時間和能量。量子計算在某些問題上提供了理論上的速度優勢，包括優化和在大型組合空間中的模式匹配。基因組序列分析，通常涉及在數百萬種可能性中尋找最佳比對，正好符合這一特徵。
量子技術也在半導體物理學中探索改進，研究人員發現固態材料中的量子現象可能開啟新的設備架構。在基因組學方面，潛在的應用不僅僅是速度。量子算法如 Harrow-Hassidim-Lloyd (HHL) 算法的設計旨在比傳統對應者更快地解決線性系統，這可能改變研究人員對基因表達網絡或病毒複製動力學的建模方式。
當前的量子計算機在噪聲中等規模量子 (NISQ) 時代運行——這些設備擁有數十到幾百個物理量子比特，且容易受到去相干錯誤的影響。編碼整個基因組並不意味著 NISQ 設備能夠以與容錯量子計算機相同的保真度進行分析。目前的成就更接近於兼容性示範，而非功能完善的基因組分析流程。錯誤修正仍然是主要障礙。物理量子比特必須組合成具有冗餘的邏輯量子比特，以抑制噪音，這大大增加了硬件需求。
以參考來看，真正能夠以規模運行複雜基因組算法的容錯量子計算機可能需要數百萬個物理量子比特，這遠遠超出當前的硬件能力。這項研究被視為朝向量子啟用生物學的早期但具體的步驟，而不是一個操作系統。
實用應用的前景
將病毒基因組轉譯為量子處理格式，證明瞭從生物序列到量子表示的概念流程在基因組規模上是可行的。下一個工程挑戰是對該數據運行有意義的量子算法，並將其輸出與傳統工具進行基準測試。疫情防備是更快的基因組分析可以產生具體價值的一個領域。在 COVID-19 疫情期間，追蹤變異體的出現需要持續的重新測序和全球數據庫間的病毒基因組比較。理論上，量子加速版本的工作流程可以壓縮序列檢測到變異特徵化的時間線。
當前或近期的量子硬件是否能夠在實踐中提供這一點，仍然是一個未解的問題，這項研究無法單獨回答。
