Ordenador cuántico logró predecir estructuras de ARNm que IA no podía modelar

El ARN mensajero (ARNm) es una de las moléculas más importantes de la biología: actúa como intermediario entre el ADN y las proteínas, transmitiendo las instrucciones que permiten a las células fabricar las piezas que las mantienen vivas. No solo se trata de una molécula clave para la vida, sino que también está en el centro de algunos de los desarrollos médicos más recientes, como las vacunas de ARNm contra la COVID-19.

Su estructura tridimensional, formada por una serie de pliegues y emparejamientos entre nucleótidos, influye directamente en su estabilidad y en la eficacia con la que es traducido en proteínas. Sin embargo, predecir esa estructura es extremadamente complicado cuando la molécula es larga.

Hasta ahora, los modelos clásicos e incluso la Inteligencia Artificial podían analizar secuencias largas, pero solo con atajos: por ejemplo, eliminando de los cálculos ciertas formas complejas llamadas pseudonudos. Estos son bucles y cruces en la molécula que implican interacciones más intrincadas que los pliegues comunes, pero que son esenciales para entender su comportamiento real.

El nuevo trabajo de IBM, Moderna y Fermioniq presenta un cambio importante: por primera vez, un ordenador cuántico ha simulado la estructura secundaria de un ARNm de 60 nucleótidos incluyendo estos elementos complejos, algo que antes quedaba fuera del alcance de la IA.

Reto que crece de forma explosiva

En el estudio, los autores señalan que “predecir estructuras con pseudonudos se clasifica como un problema NP-completo”, es decir, un tipo de reto matemático que se vuelve prácticamente intratable conforme aumenta el número de elementos a considerar.

La razón es que el número de posibles configuraciones crece de manera exponencial con cada nucleótido añadido. Esto significa que un pequeño incremento en la longitud de la molécula dispara la cantidad de cálculos necesarios, hasta un punto en que los ordenadores convencionales no pueden manejarlo sin recurrir a simplificaciones drásticas.

La investigación utiliza un enfoque cuántico para sortear esa barrera. A diferencia de un bit clásico, que solo puede valer 0 o 1, un cúbit puede estar en una superposición de ambos estados, lo que permite explorar muchas posibilidades al mismo tiempo. Este paralelismo cuántico es especialmente valioso para problemas como la predicción de pliegues moleculares, en los que hay que evaluar enormes cantidades de configuraciones posibles para identificar las más estables.

De los 42 a los 60 nucleótidos: un salto histórico

El trabajo se basa en un marco de optimización llamado QUBO (Quadratic Unconstrained Binary Optimization), que traduce el problema de encontrar la estructura más estable en una forma matemática que el ordenador cuántico puede manejar. En un estudio anterior, el equipo ya había logrado simular cadenas de hasta 42 nucleótidos, lo que era entonces el récord. Esta vez, gracias a un nuevo algoritmo y a mejoras en el hardware, llegaron a 60 nucleótidos y 156 cúbits, utilizando procesadores cuánticos de IBM como Heron r2.

Para conseguirlo, emplearon dos estrategias. La primera fue un algoritmo variacional cuántico basado en Conditional Value at Risk (CVaR), una técnica adaptada de la evaluación de riesgos financieros que, aplicada aquí, permite centrarse en las configuraciones de menor energía.

La segunda fue un esquema basado en circuitos cuánticos polinomiales instantáneos (IQP), entrenados de forma clásica pero ejecutados en hardware cuántico para la parte de muestreo. En palabras de los autores, este planteamiento permite “delegar en el ordenador cuántico las tareas que son clásicamente difíciles”.