从单细胞数据解读基因调控网络中的量子计算——量子技术内部

一个新的 自然量子信息 纸 研究量子计算如何影响基因调控。基因调控网络（GRNs) 对于理解生物系统中基因之间的调控关系至关重要。这些网络有助于研究转录调控和调控机制的分子基础，这对于理解细胞活动中的基因功能至关重要。 GRN 以图形表示，说明了转录因子与其靶标之间的相互作用。单细胞技术，特别是单细胞 RNA 测序 (scRNA-seq)，极大地提高了我们以前所未有的规模和分辨率研究生物学的能力。这些技术可测量数千个细胞中的基因表达，为构建更精确的 GRN 提供丰富的数据。然而，依赖于相关、回归和贝叶斯网络等统计方法的传统计算方法具有局限性，特别是在捕获所有基因之间同时的、相互调节的联系方面。

生物学和 GRN 建模中的量子计算：

量子计算因其在各个领域的潜力而得到认可，为 GRN 建模提供了一种新颖的方法。 量子算法 通过利用叠加和纠缠现象，在特定计算中可能优于经典方法。量子单细胞 GRN (qscGRN) 建模方法的引入显着推进了这一领域的发展。该方法使用参数化量子电路框架从 scRNA-seq 数据推断生物 GRN。在 qscGRN 模型中，每个基因都由一个量子位表示。该模型包含一个编码器层，它将 scRNA-seq 数据转换为 叠加态，以及纠缠量子位以模拟基因-基因相互作用的调节层。通过将基因表达值映射到一个大的希尔伯特空间上，qscGRN 模型有效地利用来自单个细胞的信息来绘制调控关系。

量子 GRN 建模的应用和潜力：

该方法中使用的量子经典框架包括拉普拉斯平滑和梯度下降算法等优化技术，以微调模型参数。应用于真实的 scRNA-seq 数据集，该方法证明了其有效模拟基因调控关系的能力，从量子电路中恢复的网络显示出与之前发布的 GRN 的一致性。该模型成功应用于人类淋巴母细胞，重点关注参与先天免疫调节的基因，说明了其潜力。该模型不仅预测了基因之间的调控相互作用，还估计了这些相互作用的强度。

基因调控的未来意义和研究方向：

量子计算在生物学中的集成，特别是在 GRN 建模中，显示出超越传统统计方法局限性的希望。该方法通过有效地处理相互关联的基因关系，提供了对单细胞 GRN 的更深入的理解。这些发现鼓励进一步探索利用单细胞数据创建量子算法，标志着量子计算和生物学交叉的新领域。这一突破为未来的研究铺平了道路，并可能彻底改变我们在分子水平上理解复杂生物系统的方法。

Kenna Hughes-Castleberry 是《Inside Quantum Technology》的总编辑，也是 JILA（科罗拉多大学博尔德分校和 NIST 的合作伙伴）的科学传播者。 她的写作领域包括深度科技、量子计算和人工智能。 她的作品曾在《科学美国人》、《发现杂志》、《新科学家》、《Ars Technica》等杂志上发表。

• SEO 支持的内容和 PR 分发。 今天得到放大。
• PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
• 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
• 柏拉图ESG。 碳， 清洁科技, 能源， 环境， 太阳能， 废物管理。 访问这里。
• 柏拉图健康。 生物技术和临床试验情报。 访问这里。
• Sumber: https://www.insidequantumtechnology.com/news-archive/looking-at-quantum-computing-in-deciphering-gene-regulatory-networks-from-single-cell-data/