W nowym multidyscyplinarnym badaniu naukowcy z Texas A&M University wykazali, w jaki sposób obliczenia kwantowe – nowy rodzaj obliczeń, które mogą przetwarzać dodatkowe typy danych – mogą pomóc w badaniach genetycznych i wykorzystali je do odkrycia nowych powiązań między genami, których naukowcy wcześniej nie byli w stanie wykryć .

W ich projekcie wykorzystano nową technologię obliczeniową do mapowania sieci regulacyjnych genów (GRN), które dostarczają informacji o tym, w jaki sposób geny mogą powodować wzajemną aktywację lub dezaktywację.

Jako zespół opublikowany W npj Informacje kwantoweobliczenia kwantowe pomogą naukowcom dokładniej przewidywać powiązania między genami, co może mieć ogromne implikacje zarówno dla medycyny zwierząt, jak i ludzi.

„GRN jest jak mapa, która mówi nam, jak geny wpływają na siebie nawzajem” – powiedział Cai. „Na przykład, jeśli jeden gen włącza się lub wyłącza, może zmienić inny gen, który może zmienić trzy, pięć lub 20 kolejnych genów.

„Ponieważ nasze GRN służące do obliczeń kwantowych są zbudowane w sposób pozwalający nam uchwycić bardziej złożone relacje między genami niż w przypadku tradycyjnego przetwarzania danych, znaleźliśmy pewne powiązania między genami, o których ludzie nie wiedzieli wcześniej” – powiedział. „Niektórzy badacze specjalizujący się w typie badanych przez nas komórek przeczytali nasz artykuł i zdali sobie sprawę, że nasze przewidywania wykorzystujące obliczenia kwantowe lepiej odpowiadają ich oczekiwaniom niż tradycyjny model”.

Możliwość poznania, które geny będą wpływać na inne geny, jest kluczowa dla naukowców poszukujących sposobów na zatrzymanie szkodliwych procesów komórkowych lub promowanie korzystnych.

„Jeśli potrafisz przewidzieć ekspresję genów za pomocą GRN i zrozumiesz, jak te zmiany przekładają się na stan komórek, być może będziesz w stanie kontrolować pewne wyniki” – powiedział Cai. „Na przykład zmiana sposobu ekspresji jednego genu może ostatecznie zahamować wzrost komórek nowotworowych”.

Maksymalne wykorzystanie nowej technologii

Dzięki informatyce kwantowej Cai i jego zespół pokonują ograniczenia starszych technologii obliczeniowych używanych do mapowania GRN.

„Przed zastosowaniem obliczeń kwantowych algorytmy mogły obsługiwać tylko porównywanie dwóch genów na raz” – powiedział Cai.

Cai wyjaśnił, że jedynie porównywanie genów parami może prowadzić do mylnych wniosków, ponieważ geny mogą funkcjonować w bardziej złożonych relacjach. Na przykład, jeśli aktywuje się gen A i gen B, nie zawsze oznacza to, że gen A jest odpowiedzialny za zmianę genu B. W rzeczywistości może to być gen C zmieniający oba geny.

„W tradycyjnym przetwarzaniu dane są przetwarzane w bitach, które mają tylko dwa stany – włączony i wyłączony, czyli 1 i 0” – powiedział Cai. „Ale dzięki informatyce kwantowej możesz mieć stan zwany superpozycją, który jest jednocześnie włączony i wyłączony. W ten sposób otrzymujemy nowy rodzaj bitu — bit kwantowy, czyli kubit.

„Dzięki superpozycji mogę symulować zarówno stan aktywny, jak i nieaktywny genu w GRN, a także wpływ tego pojedynczego genu na inne geny” – powiedział. „Otrzymujesz pełniejszy obraz tego, jak geny wpływają na siebie nawzajem”.

Robienie następnego kroku

Chociaż Cai i jego zespół ciężko pracowali, aby wykazać, że obliczenia kwantowe są pomocne w dziedzinie biomedycyny, nadal pozostaje wiele do zrobienia.

„To bardzo nowa dziedzina” – powiedział Cai. „Większość osób zajmujących się obliczeniami kwantowymi ma wiedzę z fizyki. A ludzie zajmujący się biologią zazwyczaj nie rozumieją, jak działa komputer kwantowy. Naprawdę trzeba być w stanie zrozumieć obie strony.

Dlatego w skład zespołu badawczego wchodzą zarówno naukowcy zajmujący się biomedycyną, jak i inżynierowie, tacy jak doktor Cai. student Cristhian Roman Vicharra, który jest kluczowym członkiem zespołu badawczego i kierował badaniami stojącymi za najnowszą publikacją.

„W przyszłości planujemy porównać zdrowe komórki z komórkami chorymi lub mutacjami” – powiedział Cai. „Mamy nadzieję zobaczyć, jak mutacja może wpłynąć na stany, ekspresję, częstotliwość genów itp.”

Na razie ważne jest, aby jak najdokładniej zrozumieć, jak działają zdrowe komórki, zanim porównamy je z komórkami zmutowanymi lub chorymi.

„Pierwszym krokiem było przewidzenie tego modelu bazowego i sprawdzenie, czy zmapowana przez nas sieć ma sens” – powiedział Cai. „Teraz możemy dalej jechać dalej”.