DigitalArtSpace

В совместном исследовании, проведенном учеными из Университета штата Пенсильвания и Quantum for Healthcare Life Sciences Consortium, рассматривается потенциал использования квантовых компьютеров для анализа данных, получаемых при изучении клеток. Исследователи полагают, что квантовые вычисления способны помочь в решении задач, связанных с вычислительными ограничениями, возникающими при обработке сложных «омиксных» данных – измерений генов, белков и других молекулярных характеристик внутри клеток и тканей).

По мнению ученых, объединение квантовых и классических вычислений с искусственным интеллектом способно помочь в решении задач, которые сложно решить традиционными методами. К ним относятся пространственный анализ, моделирование поведения клеток во времени и прогнозирование реакции клеток на лекарственные препараты. Эта возможность особенно ценна при работе с небольшими объемами информации и большим количеством переменных.

Современные способы исследования отдельных клеток дают возможность отслеживать их поведение, взаимодействие и трансформации в процессе времени. В результате получаются большие объемы данных, содержащие шумы и характеризующиеся высокой размерностью, которые могут включать миллионы клеток и десятки тысяч измеряемых параметров. Даже самые производительные традиционные компьютеры сталкиваются с трудностями при обработке подобных данных, особенно когда речь идет о моделировании эволюции клеток во времени или их ответа на воздействие лекарственных препаратов.

Квантовые вычисления обладают потенциалом для преодоления возможностей классических компьютеров в решении некоторых задач, в частности, связанных с анализом сложных вероятностных распределений, оптимизацией и взаимодействиями высокой степени. В авторах исследования убеждены, что комбинированные методы, объединяющие квантовые и классические алгоритмы, смогут оказаться полезными на практике ещё до создания полностью надёжных квантовых компьютеров.

Квантовые методы могут найти применение в пространственной транскриптомике, которая предполагает измерение активности генов с сохранением информации о физическом расположении клеток в ткани. Квантовые аналоги нейронных сетей, графовых методов и оптимального транспорта способны повысить точность сегментации, классификации клеток и их соотнесения с референсными наборами данных, особенно в условиях ограниченного объема информации или повышенного уровня шума.

Анализ временной динамики системы, то есть изучение ее изменений во времени, можно оптимизировать за счет использования квантовых аналогов таких подходов, как случайные блуждания, обыкновенные дифференциальные уравнения и вероятностные графические модели. Эти методы применяются для восстановления процессов дифференцировки клеток, их ответа на воздействие стрессоров или перехода к патологическим состояниям, основываясь на данных, полученных в различные моменты времени.

Исследователи отмечают, что для создания действенных клеточных методов лечения, в том числе иммунотерапии, необходимо знать, как спроектированные клетки взаимодействуют с окружающей их тканевой средой и как эти взаимодействия трансформируются в процессе времени. Использование гибридных квантово-классических моделей способно помочь ученым более продуктивно изучать эти аспекты и определять наиболее подходящие терапевтические подходы.

Похожие статьи

Новый алгоритм Дарвина-Гёделя учит искусственный интеллект самостоятельно программировать.

В США производят эффективные процессоры: тайванские чипы TSMC возвращаются на родину для завершения производства.

В продаже — новая Lada Granta с увеличенным дорожным просветом

Новые модели Kia могут появиться на российском рынке.

Недорогой аналог Toyota Camry с пробегом более 2000 км завоевал популярность

Рамный внедорожник BAW 212 T01 с мощным двигателем: «Китайский УАЗ» с комфортом.