Estás leyendo
Optimización del proceso de ensamblaje genómico basado en tecnologías cuánticas y comparativa con aproximaciones clásicas

Optimización del proceso de ensamblaje genómico basado en tecnologías cuánticas y comparativa con aproximaciones clásicas

  • Este proyecto se ha podido llevar a financiación interna e involucra a equipos de NTT DATA Spain, NTT DATA Brasil, y al Centro de Innovación Cuántica de NTT DATA.
  • Supone una primera experiencia de las industrias de Salud y LifeSciences en la aplicación de tecnologías cuánticas en el ámbito de la genómica, centrado en comparar la optimización del proceso de ensamblaje genómico, utilizando aproximaciones clásicas y cuánticas.
everis NTT Data

ha anunciado la  finalización del proyecto de optimización del proceso de ensamblaje genómico a partir de la utilización de tecnologías cuánticas , y que supone un primer hito en la utilización de este tipo de tecnologías en las industrias de Salud y LifeSciences.

Este proyecto, consiste en explorar la capacidad y viabilidad de utilizar la Computación Cuántica para el ensamblaje genómico mediante la comparación de enfoques de computación cuántica y no cuántica, al mismo tiempo que abordamos un problema de ensamblaje genómico utilizando un entorno simulado inspirado en el mundo real. Mediante la secuenciación y el ensamblaje de los genomas de individuos, los científicos pueden identificar variaciones genéticas asociadas con ciertas enfermedades o condiciones. Esta información puede utilizarse para desarrollar nuevos tratamientos o terapias que se centren en las causas genéticas subyacentes de las enfermedades.

En esta colaboración entre NTT DATA Spain, NTT DATA Brazil y el Centro de Innovación Cuántica de NTT DATA, el objetivo ha consistido en implementar y comparar algoritmos de computación clásicos – no cuánticos – y algoritmos cuánticos en base a dos aproximaciones.

En la aproximación clásica se ha usado el producto Gurobi – uno de los paquetes para problemas de optimización combinatoria más potentes – y el algoritmo Simulated Annealing. En la aproximación cuántica se ha usado la tecnología Quantum Annealing con qubits superconductores de la compañía D-Wave. También se ha simulado la tecnología CIM – del inglés Coherent Ising Machine – de NTT Research. La comparativa, se ha realizado a partir de la medición de indicadores de eficiencia computacional, precisión, y escalabilidad.

Para llevar a cabo la prueba de concepto y la comparativa se ha utilizado el mismo set de datos como referencia. Específicamente, se ha generado sintéticamente la secuenciación del genoma del bacteriófago phiX174 lo cual ha permitido simular distintos escenarios de prueba y comparación de los indicadores de referencia.

Te puede interesar
TIC Monitor marzo2024

Si bien los resultados derivados de la prueba de concepto muestran que los enfoques puramente cuánticos presentan todavía dificultades para abordar problemas grandes, en el momento en que la capacidad de computación aumente se podrá constatar una mejora sustancial en el tiempo de proceso según el tamaño el problema que pasa de ser exponencial en sistemas tradicionales a casi lineal en sistemas cuánticos. Un enfoque híbrido, clásico-cuántico, con tecnología como la de D-Wave, puede competir con técnicas tradicionales como Gurobi, ya que es capaz de encontrar soluciones óptimas para todos los escenarios planteados, incluidos los de mayor tamaño. Estos resultados son muy prometedores y sugieren que la computación cuántica puede ser una alternativa viable a los métodos clásicos para resolver problemas de optimización de gran tamaño en biología, salud y otras áreas

David Montal – Head of Pharma & Life Sciences – y Jose Aznar, líder del proyecto y responsable de Innovación en Salud de NTT DATA EMEAL han explicado que «Esta prueba de concepto supone una primera experiencia en la utilización de tecnologías cuánticas en el ámbito de la Salud. Si bien el grado de madurez de las tecnologías cuánticas es todavía incipiente, su aplicabilidad en el medio y largo plazo será determinante en aplicaciones de ámbitos tales como la genómica, el procesado de imagen digital y a analítica de datos de salud en tiempo real donde la eficiencia y capacidad de procesado sean claves”.

Utilizamos cookies para facilitar la relación de los visitantes con nuestro contenido y para permitir elaborar estadísticas sobre las visitantes que recibimos. No se utilizan cookies con fines publicitarios ni se almacena información de tipo personal. Puede gestionar las cookies desde aquí.   
Privacidad