俄勒冈健康与科学大学和英特尔公司发布在ArXiv网站的一份报告《生物学和医学量子优势前景》[1]显示，如果实现广泛的量子优势，生物信息学将大大有利于某些医学和生物学研究。该报告指出，追求卓越量子算法的优势之一是开发更好的经典算法和混合量子-经典算法。

　　该报告指出，随着第一代NISQ(含噪中等规模量子)设备从实验室进入云端，现在是生物学和医学领域的计算学家开始探索量子方法可能给他们的研究工具箱带来的价值的大好时机。

　　过去三十年里，生物学和医学已经发展成为高度定量的领域。然而，尽管计算方法和高性能计算(HPC)环境的扩展促进了实质性的进展，但对理解生物和临床系统的能力的基本限制仍然存在。

　　系统复杂性就是一个例子。实用算法通常通过简化框架来管理系统复杂性，导致现有的计算模型往往无法捕捉和协调重要的系统动力学。如果能够制造出足够强大的量子计算机，有望从根本上降低算法复杂性。反过来，也将以更高的效率模拟许多困难的问题，这可能会减少计算时间并提高实际模型的保真度。

　　第二个限制是规模。仅就医疗保健而言，2013年就产生了多达153 EB的数据，预计复合年增长率为48%，根据这一增长率推断，2020年产生的数据可能超过2300 EB。生物学中的高通量测序革命产生了大量高度复杂的基因组、表观基因组、转录组、蛋白质组和代谢组数据类型(以及其他数据类型)。这些海量数据资源对于在二次分析和再现性研究中重复使用高价值数据至关重要。然而，即使广泛使用HPC基础设施，大型生物信息学和计算生物学工作流通常也会持续数天、数周或更长时间。

　　虽然预计量子计算技术不会在短期内解决可扩展性限制，但是从长远来看，FTQC(容错量子计算)设备可能会为其中一些挑战提供部分解决方案。