|
Квантовые вычисления для прогнозирования взаимодействия генов
|
|
|
|
В новом междисциплинарном исследовании исследователи из Техасского университета A&M показали, как квантовые вычисления — новый вид вычислений, которые могут обрабатывать дополнительные типы данных — могут помочь в генетических исследованиях, и использовали их для обнаружения новых связей между генами, которые ученые ранее не могли обнаружить. В их проекте использовалась новая компьютерная технология для картирования сетей регуляции генов (GRN), которые предоставляют информацию о том, как гены могут вызывать активацию или деактивацию друг друга. Как опубликовала команда в журнале npj Quantum Information, квантовые вычисления помогут ученым более точно предсказать взаимоотношения между генами, что может иметь огромные последствия как для медицины животных, так и для человека. «GRN похож на карту, которая показывает, как гены влияют друг на друга», — сказал Цай. «Например, если один ген включается или выключается, это может изменить другой ген, который может изменить еще три, пять или 20 генов в дальнейшем».
|
|
|
|
«Поскольку наши квантовые вычислительные GRN построены таким образом, что позволяют нам фиксировать более сложные взаимосвязи между генами, чем традиционные вычисления, мы обнаружили некоторые связи между генами, о которых люди раньше не знали», — сказал он. «Некоторые исследователи, специализирующиеся на изучаемом нами типе клеток, прочитали нашу статью и поняли, что наши прогнозы с использованием квантовых вычислений соответствуют их ожиданиям лучше, чем традиционная модель». Возможность знать, какие гены будут влиять на другие гены, имеет решающее значение для ученых, которые ищут способы остановить вредные клеточные процессы или стимулировать полезные. «Если вы сможете предсказать экспрессию генов с помощью GRN и понять, как эти изменения влияют на состояние клеток, вы сможете контролировать определенные результаты», — сказал Цай. «Например, изменение способа экспрессии одного гена может в конечном итоге привести к подавлению роста раковых клеток».
|
|
|
С помощью квантовых вычислений Цай и его команда преодолевают ограничения старых вычислительных технологий, используемых для картирования GRN. «До использования квантовых вычислений алгоритмы могли обрабатывать только сравнение двух генов одновременно», — сказал Цай. Цай объяснил, что сравнение генов только в парах может привести к ошибочным выводам, поскольку гены могут действовать в более сложных отношениях. Например, если активируется ген А и ген Б, это не всегда означает, что ген А ответственен за изменение гена Б. На самом деле, возможно, ген С меняет оба гена. «В традиционных вычислениях данные обрабатываются битами, которые имеют только два состояния — включено и выключено или 1 и 0», — сказал Цай. «Но с помощью квантовых вычислений вы можете иметь состояние, называемое суперпозицией, которое одновременно включено и выключено. Это дает нам новый вид бита — квантовый бит, или кубит. «Благодаря суперпозиции я могу моделировать как активное, так и неактивное состояние гена в GRN, а также влияние этого отдельного гена на другие гены», — сказал он. «В конечном итоге вы получите более полную картину того, как гены влияют друг на друга».
|
|
|
|
Хотя Цай и его команда усердно работали, чтобы показать, что квантовые вычисления полезны для биомедицинской области, предстоит еще много работы. «Это очень новая область», — сказал Цай. «Большинство людей, работающих в области квантовых вычислений, имеют физическое образование. А люди, занимающиеся биологией, обычно не понимают, как работают квантовые вычисления. Вы действительно должны быть в состоянии понять обе стороны». Вот почему в исследовательскую группу входят как учёные-биомедики, так и инженеры, такие как доктор философии Цай. студент Кристиан Роман Вичарра, который является ключевым членом исследовательской группы и возглавил исследование, лежащее в основе недавней публикации. «В будущем мы планируем сравнить здоровые клетки с клетками, пораженными болезнями или мутациями», — сказал Цай. «Мы надеемся увидеть, как мутация может повлиять на состояние, экспрессию, частоту и т. д. генов». На данный момент важно получить как можно более четкое представление о том, как работают здоровые клетки, прежде чем сравнивать их с мутировавшими или больными клетками. «Первым шагом было спрогнозировать эту базовую модель и посмотреть, имеет ли смысл построенная нами сеть», — сказал Цай. «Теперь мы можем продолжить путь оттуда».
|
|
|
|
Источник
|
