Quantum computing har fått mye oppmerksomhet fra investorer de siste to årene. En av de tidligste – og mest lukrative – bruksområdene kan være i farmaindustrien, og spesielt for legemiddeloppdagelse.
«Legemiddelindustrien bruker omtrent 15 % av inntektene sine på FoU. Det er en enorm sum penger. Hvis kvantedatabehandling bare skulle brukes til 1 % av dette arbeidet, ville det vært et ganske betydelig marked, sier Oliver Kahl. Han er rektor i MIG Capital, et tysk VC-firma som har investert i IQMen av Europas største kvantestartups.
To europeiske oppstartsbedrifter som bruker kvantedatabehandling for oppdagelse av legemidler har allerede samlet inn penger i år: Finske Algorithmiq hentet inn 4 millioner dollar i februar og Paris-baserte Qubit Pharmaceuticals samlet inn 16 millioner euro i juni. På toppen av det sveitsiske selskapet Jorden like mye som har pharma-applikasjoner i sin quantum-as-a-service-modell, samlet inn 75 millioner dollar i mars.
Men hvor langt unna er quantum fra å virkelig forstyrre pharma?
Hva kan kvantedatabehandling tilby legemiddelselskaper?
Med noen få ord: mye, mye raskere oppdagelse av stoffet.
“Tradisjonell” medikamentoppdagelse krever screening av tusenvis av molekyler for å finne kandidater som deretter må testes på dyr og mennesker under ekstremt kontrollerte forhold. Før det kan skje, må forskerne identifisere det riktige molekylet i kroppene våre som stoffene kan målrette mot for å behandle en bestemt tilstand.
Hele prosessen kan ta år. Vurderer bare 10% av legemidler testet i kliniske studier får godkjenning, ser bildet ganske dystert ut.
For å øke hastigheten på oppdagelsen av legemidler og redusere kostnadene, er startups som UK-baserte BenevolentAI og Exscientia ved hjelp av kunstig intelligens å forutsi hvilke medikamentkandidater som har størst sannsynlighet for å lykkes.
Kvantedatabehandling kan ta disse spådommene videre ved å simulere medikamentkandidater og deres mål for å finne den beste matchen. Dette er noe som klassiske datamaskiner bare ikke kan gjøre.
I følge Sabrina Maniscalco, administrerende direktør i Algorithmiq, vil simulering av et enkelt molekyl som vann med en kvantedatamaskin trenge minnet tilsvarende en WhatsApp-melding. Men å simulere et komplekst molekyl som penicillin “ville trenge mer minne enn det totale antallet atomer i universet – det er fundamentalt umulig å simulere det på en klassisk datamaskin”.
“Vi ønsker å være de første til å bevise at kvantedatabehandling kan gjøre noe silisiumdatamaskiner ikke kan,” sier Maniscalco til Sifted.
Kvantesimuleringer ville ikke bare redusere mengden tid og penger å oppdage medisiner – de kan også tillate forskere å finne helt nye medisiner som tradisjonelle tilnærminger ikke har. “Det vil ikke være en inkrementell endring, men en forstyrrende.”
Arbeide med ufullkomne kvantedatamaskiner
Til tross for all snakk om potensialet til kvantedatabehandling, er teknologien fortsatt i tidlige utviklingsstadier. For øyeblikket har IBM den kraftigste kvanteprosessoren, med 127 qubits – kvanteekvivalenten til en datamaskinbit.
Beregningskraften er begrenset i disse små prosessorene, men Maniscalco mener det er nok til å brukes i virkelige scenarier. Selskapets første mål er å delvis simulere enzymer – spesielt delen av et enzym som interagerer med andre molekyler.
Algorithmiqs hovedutfordring er at eksisterende kvanteenheter er ekstremt følsomme for miljøet, noe som betyr at enhver interaksjon med miljøet deres – for eksempel de minste endring i temperatur — kan føre til feil i beregningene. Fremtidige kvantedatamaskiner vil komme med feilrettingsfunksjoner, men det vil kreve mye større minner som Maniscalco anslår at ikke vil være tilgjengelig på 15 til 30 år.
Algorithmiq ønsker å løse det problemet nå. Oppstartens strategi er å utvikle en algoritme for å rense signalet generert av en kvantedatamaskin. “Det er som å ta et bilde med den beste lysinnstillingen, det beste kameraet og forbedre det ytterligere i Photoshop.”
“Kvantedatamaskiner er nå der klassiske datamaskiner var på 60- og 70-tallet – de er bygget for å løse spesifikke problemer, de er ikke universelle datamaskiner,” sier Robert Marino, administrerende direktør i Qubit Pharmaceuticals.
Oppstarten hans har valgt en hybrid tilnærming for å omgå de nåværende begrensningene til kvantedatamaskiner. Ideen er å identifisere spesifikke trinn der kvantedatabehandling kan løse komplekse matematiske problemer mer effektivt enn en klassisk datamaskin. “Vi kutter store problemer i små biter for å jobbe med det som er tilgjengelig,” forteller Marino til Sifted.
Et slikt trinn vil være å kartlegge alle mulige “former”, eller tilstander, som et stoffmål kan ta. Siden noen molekyler bare kan samhandle med medikamenter når de er i en veldig spesifikk tilstand, kan bruk av kvantedatabehandling for å kartlegge dem avsløre sjeldne mål for medikamentkandidater som klassiske datamaskiner ikke har vært i stand til å finne.
«Mange beregninger kreves bare for det trinnet; kvantedatabehandling kan spare tusenvis av databehandlingstimer, sier Marino.
I løpet av to til tre år forventer han at Qubit Pharmaceuticals vil bruke kvantedatamaskiner for 5-10 % av legemiddeloppdagelsesprosessen, og klassiske datamaskiner for resten.
Viser pharma interesse?
“For øyeblikket er farmaselskaper i “hva kan vi gjøre med det”-fasen – alle er veldig interessert i å prøve, lære, se bruksområder og sammenligne kvantedatabehandling med klassisk databehandling, sier Marino.
“Jeg vil si at de er i en tilstand av teknologisk nysgjerrighet. Jeg kjenner ikke til noen etablerte farmasøytiske selskaper som for øyeblikket bruker kvanteberegningsmidler utover et proof-of-concept eller pilotnivå, sier Kahl til Sifted.
Noen farmaselskaper begynner å dyppe tærne i kvantedatabehandling. M Ventures, venture-armen til Merck, har investert i USA-baserte kvantestartup Seeqc. BASF er en av investorene i Zapata Computing, en USA-basert oppstart som utvikler kvanteprogramvare. Biogen har inngått samarbeid med 1QBit for å bruke kvantedatabehandling for å øke hastigheten på oppdagelsen av legemidler. Og Novo Nordisk Foundation har nettopp satt 200 millioner dollar i utviklingen av kvantedatamaskiner for farma- og klimaapplikasjoner.
“I dag er det ingen kvantedatamaskiner som kan kjøre virkelig kommersielt meningsfulle algoritmer,” sier Gangolf Schrimpf, som driver mediekontakt hos Merck. «Vi anslår at de første kommersielt relevante maskinene kommer i 2025 eller senere. Det betyr imidlertid ikke at vi ikke vil jobbe tidligere enn 2025 med mindre sofistikerte versjoner.
“Det er trygt å si at de fleste farmaselskaper er klar over feltet og dets forstyrrelsespotensiale og har engasjert sine innovasjonsøkosystemer (venture, akseleratorer, forretningsutvikling) for å inngå tidlige partnerskap.”
Han legger til at utvikling av intern kunnskap om kvanteteknologi er en del av Mercks strategi for å være klar når kvantedatabehandling tar av. “Vi skanner aktivt kvanteområdet for ytterligere investeringsmål, også inkludert tilstøtende teknologier som kvanteregistrering.”
Når – om i det hele tatt – vil teknologien levere?
“Kvantedatabehandling har allerede vist seg nyttig i legemiddeloppdagelse, selv om vi ennå ikke kan simulere komplekse molekyler,” sier Florian Neukart, produktsjef hos Terra Quantum. Han tror meningsfulle molekylære simuleringer for legemiddelindustrien kan være mulig i løpet av de neste tre til fem årene.
Maniscalco sammenligner arbeidet som kvantestartups gjør i dag med månelandingen – datamaskinen som ble brukt til Apollo-landingen hadde mindre prosessorkraft enn en smarttelefon har i dag, men teamet bak den klarte likevel å oppnå noe som var umulig til da.
“Fullverdige molekylære simuleringer krever millioner og milliarder av qubits og high-fidelity-porter. Personlig forventer jeg tiår med videre utvikling før slike systemer blir virkelighet, sier Kahl. “Når kvantedatabehandling vil være i stand til å skape verdi for farmaselskaper, er en konservativ gjetning ikke før slutten av tiåret.”
Leonie Mueck, produktsjef ved den britiske kvantestartup Riverlane, tilbyr en mer optimistisk visjon. Hun påpeker at fremtidige forskningsgjennombrudd kan avsløre nye metoder som i betydelig grad reduserer ressursene som trengs for å kjøre disse kvantealgoritmene. Dette har skjedd før i kvantefeltet og kan øke hastigheten på de anslåtte tidslinjene.
Kvantedatabehandling kan også være til nytte for legemiddelindustrien på andre måter. For eksempel optimalisering av forsyningskjeden for legemiddelproduksjon eller bruk av kvantedatamaskiner for å simulere effektene en behandling vil ha på pasienter, noe som kan øke suksessraten for kliniske studier betydelig.
Kan vi forvente en kvanteboble?
«Kvantedatabehandling har tiltrukket seg en ganske stor fanskare, og mange kvanteevangelister lovpriser høyt kvantealderens komme. Dette kan høres sarkastisk ut, om ikke kynisk, men kvante er et svært komplekst felt som ikke er forstått av mange, sier Kahl.
En vanlig falsk oppfatning er at kvanteberegning vil gi en eksponentiell økning i datahastighet i forhold til tradisjonelle datamaskiner. I følge Kahl er det bare noen få algoritmer kjent som vi med sikkerhet vet vil overgå klassisk databehandling betydelig når de kjøres på store kvantedatamaskiner. “Nyere forskning påpeker at det ikke er bevis for eksponentiell kvantefordel i kvantekjemi og derfor farmaapplikasjoner.
“Dessverre ser det ut til at mange investorer ikke vet, ikke vil vite eller ikke forstår dette; frykt for å gå glipp er absolutt en stor bidragsyter.»
Schrimpf legger til: “Vår primære bekymring er at kvanteteknologier vil gjennomgå en boom-bust-syklus som vil tørke opp finansieringsmuligheter. Kvantedatabehandling vil ikke være den beste løsningen for databehandling, og heller ikke enhver fremtidig smarttelefon vil ha en kvantedatabehandlingskjerne – i hvert fall ikke i overskuelig fremtid.
“Kvantedatamaskiner takler svært nisjemessige, komplekse matematiske problemer i industrielle brukstilfeller med høy verdi […] Vi mener det er viktig å håndtere hypen og forventningene, og gi feltet en sterk, men enda viktigere fortsatt strøm av finansiering, inkludert tålmodig privat kapital og offentlige finansieringsinitiativer.»
Neukart tror at kvantedatabehandling sannsynligvis vil følge den typiske hype-syklusen som mange andre teknologisektorer har vært gjennom. «Da maskinlæring startet, trodde folk at du kunne bruke det på ethvert problem du har. Utfordringen er å kommunisere hvor kvantedatabehandling er nyttig og hvor den ikke er det.”
Ifølge Neukart, sammenlignet med andre bransjer har farma en tendens til å være forsiktig med å komme med noen ekstraordinære påstander – noe som betyr at hype-syklusen kanskje ikke rammer den så hardt.
“Jeg forventer at markedene vil kjøle seg ned – forhåpentligvis ikke fryse over – når folk våkner opp til realiteten med langsommere enn forventet teknologisk utvikling,” sier Kahl. “En andre bølge vil utvikle seg langsommere og vil sannsynligvis være mer fokusert på industrivertikaler der det er klare bevis på eksponentiell kvantefordel.”
Clara Rodríguez Fernández er Sifteds deeptech-korrespondent, basert i Berlin.