das muitas indústrias em que Computação Quântica Espera-se que tenha um impacto de longo alcance, o biopharma está entre os mais promissores. A computação quântica tem o potencial de acelerar significativamente, aprimorar a qualidade e reduzir os custos dos processos de P&D ricos em dados. Os primeiros usos provavelmente envolverão os estágios iniciais da P&D (descoberta e design de medicamentos), mas o impacto se estenderá aos estágios posteriores da P&D, graças a taxas de sucesso clínico mais altas do melhor design precoce.
A computação quântica ainda é uma tecnologia emergente, e o caminho para a aplicação prática permanece em construção. No entanto, a tecnologia está se formando no laboratório e indo para o mercado. O Google anunciou que alcançou a “supremacia quântica” em outubro de 2019, a IBM se comprometeu a dobrar o poder de seus computadores quânticos todos os anos, e inúmeras outras empresas e instituições acadêmicas estão investindo bilhões para tornar a computação quântica uma realidade comercial. As empresas de biopharma têm o potencial de se beneficiar significativamente com essa tecnologia - e aquelas que começam a tomar as medidas certas agora podem obter uma vantagem duradoura.
Biopharma companies that take the right approach to quantum computing now may gain a lasting advantage.
Como em qualquer tecnologia emergente, grande parte do valor potencial está na forma como as empresas comerciais aplicam novos recursos para melhorar os processos principais. Acreditamos que é muito provável que a computação quântica transforme os estágios iniciais dos P&D farmacêuticos nas próximas décadas-e que proporcionará benefícios a curto prazo à medida que a tecnologia amadurece. Mas seu impacto real dependerá em grande parte de como as empresas de biopharma aprendem a usá -lo. Além de hardware e software de computação quântica, as chaves para o sucesso incluirão talentos, novas maneiras de trabalhar e parcerias. Os primeiros motores quase certamente obterão vantagens que os seguidores terão dificuldade em corresponder. Um novo medicamento normalmente leva de 10 a 15 anos para progredir da descoberta ao lançamento, e os custos capitalizados excedem US $ 2 bilhões. A taxa de sucesso é inferior a 10% da entrada no desenvolvimento clínico para o lançamento. Por esses motivos, as empresas de biopharma contam com alguns medicamentos de grande sucesso para realizar o retorno dos mais de US $ 180 bilhões que a indústria gasta a cada ano em P&D. Em muitos casos, eles reduziram significativamente o tempo que as empresas gastam em otimização de drogas. Os pesquisadores dependem da computação de alto desempenho-usando supercomputadores poderosos ou processamento paralelo maciço-para executar na modelagem de silico de estruturas moleculares, o mapeamento das interações entre um medicamento e seu alvo e simulações do metabolismo da droga, distribuição e interações no sistema humano mais amplo. Por exemplo, os algoritmos de química computacional visam prever como uma molécula potencial de medicamentos se ligará a proteínas alvo específicas, modelando a energia de ligação da interação. Como muitos desses algoritmos não escalam bem com o número de átomos, eles geralmente são limitados a estruturas moleculares relativamente simples. Por exemplo, a IBM estimou que modelagem completa e precisa da energia do estado base da molécula de penicilina, composta por 41 átomos, exigiria um computador clássico com mais transistores do que os átomos no universo observável.
Current Challenges in Pharmaceutical R&D
The biopharma R&D process—from drug discovery to development—is a costly, lengthy, and risky endeavor. A new drug typically takes 10 to 15 years to progress from discovery to launch, and the capitalized costs exceed $2 billion. The success rate is less than 10% from entry into clinical development to launch. For these reasons, biopharma companies count on a few blockbuster drugs to realize payback of the more than $180 billion that the industry spends each year on R&D.
Computational tools are already key components of drug discovery and development. In many instances, they have significantly shortened the time companies spend on drug optimization. Researchers rely on high-performance computing—using powerful supercomputers or massive parallel processing—to perform in silico modeling of molecular structures, mapping of the interactions between a drug and its target, and simulations of the drug’s metabolism, distribution, and interactions in the wider human system. For example, computational chemistry algorithms aim to predict how a potential drug molecule will bind to specific target proteins, by modeling the binding energy of interaction. Because many of these algorithms do not scale well with the number of atoms, however, they are often limited to relatively simple molecular structures. For example, IBM has estimated that fully and accurately modeling the base-state energy of the penicillin molecule, which is composed of 41 atoms, would require a classical computer with more transistors than there are atoms in the observable universe.
How Quantum Computing Can Reshape Drug Discovery
Quantum computers work Fundamentalmente diferente dos computadores clássicos e essas diferenças lhes dão o poder de resolver certas classes de problemas que os computadores clássicos não podem. Os computadores clássicos são construídos em bits que têm valores de zero ou um. Por outro lado, um computador quântico usa bits quânticos (ou qubits), que podem ser sobreposições de zeros e outros (que significa parte zero e parte um ao mesmo tempo). Em vez de trabalhar isoladamente, os qubits ficam enredados e atuam como um grupo, o que ajuda a permitir que os computadores quânticos obtenham uma densidade de informação exponencialmente mais alta e velocidade de computação do que os computadores clássicos. Isso lhes dá um vantagem sobre computadores clássicos Ao resolver quatro tipos de problemas: otimização combinatória, equações diferenciais, álgebra linear e fatorização. Enquanto a modelagem de penicilina em um computador clássico levaria 10 86 BITS, pode levar apenas 286 qubits em um computador quântico.
Quantum computers can achieve exponentially higher information density and computing speed than classical computers.
Computadores quânticos fornecem ferramentas poderosas para estudar sistemas complexos, como fisiologia humana e o impacto dos medicamentos nos sistemas biológicos e nos organismos vivos. Acreditamos que a computação quântica terá numerosos usos em P&D farmacêutica, especialmente nas fases iniciais da descoberta e desenvolvimento de medicamentos. (Consulte o Anexo 1.)
Take optimization. Currently, the process of modifying the physio-chemical properties of hit compounds to produce lead compounds and, ultimately, drug candidates still mostly relies on expensive and time-consuming experimental methods. The biopharma industry already applies quantum mechanics for energy calculations and structural optimization, especially in molecular docking and quantitative structure-activity relationship analyses. Quantum mechanics–enabled synthetic chemistry gives researchers the tools to preclude potentially inactive compounds and to support the synthesis of more challenging compounds. As quantum-based virtual screening and optimization leverage molecular simulations, it is possible that researchers will someday be able to combine both into a single in silico workflow.
ou considere a triagem. As ferramentas de triagem virtual tendem a ser mais baratas e mais rápidas que os processos químicos para rastrear bibliotecas de grandes compostos contra um alvo de interesse. Mas a utilidade das ferramentas virtuais depende de sua capacidade de prever com precisão hits, especialmente para moléculas complexas. A computação quântica tem o potencial de transformar a triagem virtual por meio de modelagem fisicamente precisa de interações com alvo de drogas e triagem eficiente de bibliotecas virtuais maciças. Outra complicação é que a criação de uma ferramenta para testar os compostos quanto ao impacto desejado em um alvo durante a triagem é um processo de laboratório lento e intensivo. Ao melhorar a triagem de silico e a validação de compostos, a computação quântica pode reduzir a necessidade de testes in vitro caros e demorados. Eventualmente, a computação quântica pode permitir a descoberta de medicamentos de ponta a ponta na descoberta de medicamentos de silico. Além disso, pode haver aplicações no desenvolvimento clínico. Abordagens híbridas clássicas quânticas que podem prever a estrutura da molécula devem estar disponíveis nos próximos cinco anos, permitindo um projeto de medicamento mais eficaz baseado em estrutura de pequenas moléculas. Várias startups estão desenvolvendo ferramentas de triagem virtual que usam representações 3D de moléculas derivadas da mecânica quântica para determinar as interações entre medicamentos e seus alvos. Essas questões devem ser superadas antes que as empresas possam colocar computadores quânticos em serviço prático. Esperamos que essa jornada se desenvolva através de quatro fases distintas, durante cada uma das quais capacidades, aplicações e receita comercial aumentarão constantemente com o tempo. (Consulte Anexo 2.)
Quantum computing may also be useful in the target identification phase by enabling deeper exploration of complex multifactorial diseases that require the modulation of multiple targets. In addition, there could be applications in clinical development.
The possibility of step changes in capability is not a distant dream. Hybrid quantum-classical approaches that can predict molecule structure should be available within the next five years, allowing more-effective structure-based drug design of small molecules. A number of startups are developing virtual screening tools that use 3D representations of molecules derived from quantum mechanics to determine interactions between drugs and their targets.
How Biopharma Can Get Ready for Quantum Advantage
While the long-term promise of quantum computers may be transformative, the machines available today have serious shortcomings related to capacity, stability, and reliability. These issues must be overcome before companies can put quantum computers into practical service. We expect this journey to develop through four distinct phases, during each of which capabilities, applications, and business income will steadily increase over time. (See Exhibit 2.)
Os usos mais antigos envolvem a descoberta de medicamentos auxiliada por computador (CADD) descrita acima. A próxima década será definida pelos chamados dispositivos quânticos em escala intermediária (NISQ), que cada vez mais poderão executar funções úteis e discretas, mas também serão atormentadas por altas taxas de erro que limitam sua funcionalidade. Em três a cinco anos, as técnicas de mitigação de erros, juntamente com melhores hardware e algoritmos, devem começar a apoiar aplicativos de negócios úteis. Mas a correção de erros ainda está a pelo menos uma década de distância. O próximo marco após esse é a tolerância a falhas em escala em larga escala, momento em que os computadores quânticos podem permitir a descoberta e o design de medicamentos de silico.
Error-corrected machines will achieve true quantum advantage, outperforming classical computers in time, cost, or quality for the applications we have outlined. But error correction is still at least a decade away. The next milestone after that is full-scale fault tolerance, at which point quantum computers could enable full in silico drug discovery and design.
Harnessing technology during the NISQ decade requires mastery of four areas: quantum hardware- and software-based solutions, talent, new ways of working, and partnerships.
Quantum Hardware- and Software-Based Solutions. Além dos avanços de hardware que grandes fornecedores de ponta a ponta, como Google, IBM e Honeywell, estão buscando empresas emergentes como D-Wave, Rigetti e Xanadu estão ativas. Como aconteceu nos primeiros dias da indústria de semicondutores, os fabricantes de hardware de computação quântica pretendem desenvolver circuitos otimizados para resolver problemas específicos, como o acoplamento molecular. Por exemplo, a IBM está adotando essa abordagem para produzir circuitos especializados para algoritmos de transformação “oculta” e de transformação quântica de Fourier. "Quando se trata de aplicações de curto prazo, o belo trabalho acontecerá na seção transversal das necessidades comerciais e do circuito quântico, para que o próprio circuito determine a aplicação", disse-nos o chefe de computação quântica da IBM, Jay Gambetta, disse-nos.
Makers of quantum computing hardware aim to develop circuits optimized to solve problems such as molecular docking.
Porque eles funcionam de maneira diferente dos computadores clássicos, os computadores quânticos exigem novos softwares e algoritmos. Especialistas como ProteinQure, GTN, Rahko, Menten AI e Qulab são algoritmos pioneiros em descoberta de drogas quânticas. Ao fazer parceria com essas e maiores empresas, as empresas de biopharma podem moldar soluções otimizadas de circuito para aplicação e obter valor mais rapidamente. A computação quântica introduziu novas maneiras de abordar problemas, inspirando novos algoritmos que são executados em hardware clássico. A Microsoft, que apelidou essas novas técnicas de "inspirada em quantum", acaba de lançar uma biblioteca de química de inspiração quântica com 1qbit para executar em
In the meantime, the massive classical computing industry continues to deliver performance improvements (through supercomputers, HPC, and GPUs) and better algorithms that will help bring value to biopharma companies even sooner. Quantum computing has introduced new ways to approach problems, inspiring new algorithms that run on classical hardware. Microsoft, which has dubbed these new techniques “quantum-inspired,” has just released a quantum-inspired chemistry library with 1QBit to run on Quantum do Azure . Empresas como Silicon Therapeutics, XtalPi, Quitbulmaceuticals, Atomwise, Turbine e IA benevolente estão usando abordagens de inspiração quântica, geralmente em combinação com o aprendizado de máquina e buscam obter uma descoberta de medicamentos mais rápida e precisa. Os algoritmos comprovados de computação quântica aumentam o treinamento de aprendizado de máquina; portanto, essa abordagem acelerará à medida que as máquinas NISQ se tornam mais poderosas. As empresas precisarão de cientistas e técnicos qualificados, incluindo especialistas em hardware e software, para lidar com essas tarefas. Esse talento é escasso - e o suprimento ainda é mais curto para empregos que exigem conhecimento ou experiência quântica de computação. Os primeiros motores têm a oportunidade de estabelecer uma vantagem de habilidades, tornando -se centros reconhecidos de avanços comerciais na computação quântica. Empresas como a Airbus já oferecem programas de treinamento quântico para preparar seus engenheiros para o futuro. A construção de recursos internos de computação quântica requer não apenas habilidades quânticas relevantes, mas também a colaboração entre cientistas da pesquisa e empresários farmacêuticos e trabalha com talento em outros campos técnicos, como inteligência artificial e aprendizado de máquina. As novas soluções prometem uma mudança de etapa em relação às ferramentas CADD atuais em precisão e velocidade (por exemplo, reivindicações de átomo de
Talent. How companies decide to tackle specialized software development—internally, externally, or with a combination of the two—will have major implications for their talent needs and their organizations. Companies will need skilled scientists and technicians, including hardware and software experts, to handle these tasks. Such talent is in short supply—and the supply is shorter still for jobs that require quantum computing knowledge or experience. Early movers have the opportunity to establish a skills advantage by becoming recognized centers of commercial advances in quantum computing. Companies such as Airbus already offer quantum training programs to prepare their engineers for the future.
New Ways of Working. In order to derive value from new approaches such as quantum computing, companies may need to change their processes. Building internal quantum computing capabilities requires not only relevant quantum skills but also collaboration between research scientists and pharma businesspeople and, work with talent in other technical fields such as artificial intelligence and machine learning. The new solutions promise a step change over current CADD tools in both accuracy and speed (for example, Atomwise claims a Melhoria de 10.000x nas taxas de acerto e 100 vezes mais tempo de triagem e outros jogadores apontam para melhorias semelhantes) que abrirão novas maneiras radicais de projetar medicamentos. Mas, para capturar o valor, as empresas devem mudar seus processos e, potencialmente, sua estrutura organizacional, além de adotar maneiras ágeis de trabalhar. Uma abordagem ágil permite testes e iteração mais rápidos e eficientes de candidatos terapêuticos promissores e avanços tecnológicos. Em outras indústrias, os primeiros líderes que adotaram o Agile viram tanto quanto uma duplicação da velocidade de seu novo desenvolvimento de produtos.
Quantum computing solutions promise a step change over current CADD tools in accuracy and speed.
Parcerias. A inovação é um empreendimento muito mais fragmentado e variado hoje do que nunca. Mais empresas jovens em mais lugares estão buscando mais novos caminhos. Um resultado dessa fragmentação e diversidade de esforço é que, embora o conhecimento, as habilidades e as informações sejam muito mais acessíveis, elas também são mais difíceis de aproveitar porque residem em lugares mais numerosos e mais díspares - geograficamente, industrial e funcionalmente. Investir em parcerias dedicadas à criação de soluções personalizadas que abordam os desafios mais cruciais da descoberta de medicamentos é uma maneira eficaz de obter uma posição no ecossistema de computação quântica emergente. Como o BCG já observou antes, as tecnologias profundas requer uma análise mais completa das interdependências das partes interessadas E modelos de criação de valor mais precisos, a fim de determinar com precisão como alinhar metas, definir estratégias e organizar a interação com outras pessoas. Um mundo com vantagem quântica provavelmente testemunhará uma corrida para encontrar e patentear as melhores moléculas para um determinado alvo. Por sua vez, isso desencadeará um "terreno" das moléculas, alvos e mecanismos biológicos ou clínicos mais promissores para a exploração subsequente. Também é possível que os players de tecnologia entrem na descoberta de medicamentos, competindo com empresas farmacêuticas. Em um cenário extremo, as empresas de biopharma correm o risco de serem relegadas a se concentrar principalmente no desenvolvimento clínico, nos assuntos médicos e nas vendas.
How to Get Started
Quantum computing is likely to have a profound impact on biopharma R&D, potentially changing the competitive set and dynamics of drug discovery. A quantum-advantaged world will probably witness a race to find and patent the best molecules for a given target. This in turn will set off a “landgrab” of the most promising molecules, targets, and biological or clinical mechanisms for subsequent exploration. It’s also possible that tech players will enter drug discovery, competing with pharma companies. In an extreme scenario, biopharma companies risk being relegated to focusing mainly on clinical development, medical affairs, and sales.
Quantum computing may encourage tech players to enter drug discovery, competing with pharma companies.
Biopharma deve tomar as medidas necessárias agora para se preparar para o papel da computação quântica em P&D. Um primeiro passo sensato seria realizar uma avaliação do provável impacto do quantum, apresentando uma análise do fluxo de trabalho para identificar os principais pontos de atrito e o mapeamento de soluções para determinar se esses desafios se enquadram em arquétipos de problemas com vantagem quântica. As empresas podem então identificar casos de uso do “Lighthouse” e criar cedo. Algoritmos de inspiração quântica que emulam conceitos quânticos em hardware clássico ou circuitos quânticos especializados da era NISQ são bons lugares para começar. Também deve acelerar a hora do mercado. O potencial de longo prazo da tecnologia é vasto, mas a computação quântica também oferece benefícios tangíveis de empresas de biopharma no curto prazo. As empresas que desejam jogar precisam se preparar para um futuro quântico agora. Matt Langione
As they move forward, biopharma companies should look for early wins that will demonstrate the value of new approaches (such as a speed-up over previous, nonprobabilistic algorithms) to the rest of the organization. Quantum-inspired algorithms that emulate quantum concepts on classical hardware or specialized NISQ-era quantum circuits are good places to start.
Ultimately, quantum computing is likely to yield greater speed and efficiency in drug discovery, improvements in existing drugs, and faster development of new drugs. It should also accelerate time to market. The technology’s long-term potential is vast, but quantum computing also offers biopharma companies tangible benefits in the near term. Companies that want to play need to prepare for a quantum future now.
