量子AIによるがん診断バイオマーカー発見

Abstract

量子機械学習（QML）は、量子力学的原理を活用してがんの分類、バイオマーカーの発見、バイオインフォマティクス診断を強化することで、計算生物学に対する有望な新しいパラダイムを提供します。本研究では、非小細胞肺がんの2つの主要な形態である肺腺がん（LUAD）と肺扁平上皮がん（LUSC）に対し、QMLを適用してサブタイプ固有のバイオマーカーを同定します。提案手法は2段階のプロセスからなります。第1段階では、腫瘍サンプルと正常サンプルの間での差次的発現解析とメチル化解析を行うことで、LUAD固有およびLUSC固有の遺伝子を同定し、がんサブタイプの潜在的予後バイオマーカーを明らかにします。第2段階では、LUADとLUSCの腫瘍を、さらに腫瘍と正常サンプルを区別できる量子分類器の開発に焦点を当てます。この分類器は診断の精度を高めるだけでなく、大規模なマルチオミクスデータセットを処理する際に量子アドバンテージを示すことも確認されました。結果は一貫して、遺伝子セットの統合を表すSample3が、すべての指標において最も高い総合的予測性能を達成したことを示しています。これらの結果は、QMLがバイオマーカー探索およびサブタイプ固有のがん分類に対して、有効でスケーラブルなアプローチを提供することを示しています。GO富化解析では、シナプス伝達、イオンチャネル調節、神経発生への遺伝子の有意な関与が明らかになりました。量子段階では、KEGG解析により、神経栄養因子、MAPK、Ras、PI3K-Aktシグナル伝達など、がん関連経路での富化がさらに特定されました。NGFR、NTRK2、NTF3といった主要遺伝子は、神経栄養因子を介した腫瘍形成的プロセスにおける中核的役割を示唆しています。本研究の発見は、量子コンピューティングが精密腫瘍学および次世代の生物医学的解析を前進させる可能性が高まっていることを示しています。