使用量子神经网络发现生物标志物:CTLA4激活通路的案例研究
1Faculty of Computer Science, PHENIKAA University, Yen Nghia, Ha Dong, Hanoi, 12116, Vietnam. nam.nguyenphuong@phenikaa-uni.edu.vn.
BMC bioinformatics
|April 12, 2024
概括
量子AI和神经网络为CTLA4途径识别了新的遗传生物标志物. 这种计算方法解决了从遗传数据中发现生物标记物的巨大搜索空间的挑战.
科学领域:
- 计算生物学是一种计算生物学.
- 量子人工智能是一种人工智能.
背景情况:
- 从遗传数据中发现生物标志物是由于大型搜索空间而计算密集的.
- 量子计算和量子AI为复杂的生物标志物发现任务提供了潜在的解决方案.
研究的目的:
- 为遗传生物标记物发现提出量子神经网络架构.
- 识别与特定激活途径相关的遗传生物标志物.
主要方法:
- 使用量子神经网络架构进行生物标记物识别.
- 应用最大相关性-最小冗余性标准来评分候选生物标志物集.
- 展示了一个可在受约束硬件上部署的计算经济解决方案.
主要成果:
- 在四个CTLA4相关激活通路上成功证明了概念的证明.
- 确定了CTLA4与其他基因 (如CD8A,CD8B和CD2.2) 相关的联合激活模式.
- 验证了模型分析复杂多基因协同激活路径的能力.
结论:
- 量子神经网络模型确定了20个CTLA4相关途径的新型遗传生物标志物.
- 这些已识别的基因包括CLIC4,CPE,ETS2,FAM107A,GPR116,HYOU1,LCN2,MACF1,MT1G,NAPA,NDUFS5,PAK1,PFN1,PGAP3,PPM1G,PSMD8,RNF213,SLC25A3,UBA1和WLS.这些基因都被发现了.
- 该实施是开源的,以促进对量子AI进行进一步的研究,以发现生物标志物.
