論文の概要: Quantum network medicine: rethinking medicine with network science and
quantum algorithms
- arxiv url: http://arxiv.org/abs/2206.12405v1
- Date: Wed, 22 Jun 2022 09:05:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-08 09:28:54.208108
- Title: Quantum network medicine: rethinking medicine with network science and
quantum algorithms
- Title（参考訳）: 量子ネットワーク医学 : ネットワーク科学と量子アルゴリズムによる医学の再考
- Authors: Sabrina Maniscalco, Elsi-Mari Borrelli, Daniel Cavalcanti, Caterina
Foti, Adam Glos, Mark Goldsmith, Stefan Knecht, Keijo Korhonen, Joonas Malmi,
Anton Nyk\"anen, Matteo A. C. Rossi, Harto Saarinen, Boris Sokolov, N. Walter
Talarico, Jussi Westergren, Zolt\'an Zimbor\'as, and Guillermo
Garc\'ia-P\'erez
- Abstract要約: 量子コンピューティングは、ネットワーク医療の可能性を最大限に活用するための重要な要素となるかもしれない。
本稿では,新しい研究分野である量子ネットワーク医学において,ネットワーク医学と量子アルゴリズムを組み合わせることを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Scientific and technological advances in medicine and systems biology have
unequivocally shown that health and disease must be viewed in the context of
the interplay among multiple molecular and environmental factors. Understanding
the effects of cellular interconnection on disease progression may lead to the
identification of novel disease genes and pathways, and hence influence
precision diagnostics and therapeutics. To accomplish this goal, the emerging
field of network medicine applies network science approaches to investigate
disease pathogenesis, integrating information from relevant Omics databases,
including protein-protein interaction, correlation-based, gene regulatory, and
Bayesian networks. However, this requires analysing and computing large amounts
of data. Moreover, if we are to efficiently search for new drugs and new drug
combinations, there is a pressing need for computational methods that could
allow us to access the immense chemical compound space until now largely
unexplored. Finally, at the microscopic level, drug-target chemistry simulation
is ultimately a quantum problem, and hence it requires a quantum solution. As
we will discuss, quantum computing may be a key ingredient in enabling the full
potential of network medicine. We propose to combine network medicine and
quantum algorithms in a novel research field, quantum network medicine, to lay
the foundations of a new era of disease prevention and drug design.
- Abstract（参考訳）: 医学とシステム生物学の科学的・技術的進歩は、健康と病気が複数の分子と環境要因の相互作用の文脈で見なされなければならないことを明確に示している。
細胞相互接続が疾患の進行に及ぼす影響を理解することは、新しい疾患遺伝子や経路の同定につながり、それによって正確な診断や治療に影響を及ぼす可能性がある。
この目的を達成するために、ネットワーク医療の新興分野は、ネットワークサイエンスのアプローチを適用して病気の病因を調査し、タンパク質とタンパク質の相互作用、相関に基づく遺伝子制御、ベイズネットワークなどの関連するOmicsデータベースからの情報を統合する。
しかし、これには大量のデータの解析と計算が必要です。
さらに、新薬と新薬の組み合わせを効率的に探すためには、これまでほとんど探索されていなかった大量の化学物質空間へのアクセスを可能にする計算方法が必要不可欠です。
最後に、顕微鏡レベルでは、ドラッグターゲット化学シミュレーションは究極的には量子問題であり、従って量子解を必要とする。
議論するが、量子コンピューティングは、ネットワーク医療の可能性を最大限に活用するための鍵となる要素であるかもしれない。
本稿では,新たな研究分野であるquantum network medicineにおいて,ネットワーク医療と量子アルゴリズムを組み合わせることで,疾病予防と薬物設計の新しい時代の基礎を築くことを提案する。
関連論文リスト
- Leveraging Pre-Trained Neural Networks to Enhance Machine Learning with Variational Quantum Circuits [48.33631905972908]
我々は、事前学習されたニューラルネットワークを用いて変分量子回路(VQC)を強化する革新的なアプローチを導入する。
この手法は近似誤差をキュービット数から効果的に分離し、制約条件の必要性を除去する。
我々の結果はヒトゲノム解析などの応用にまで拡張され、我々のアプローチの幅広い適用性を示している。
論文 参考訳（メタデータ） (2024-11-13T12:03:39Z) - Quantum Machine Learning in Drug Discovery: Applications in Academia and Pharmaceutical Industries [1.8195318084816288]
量子コンピューティングと機械学習 - 量子機械学習 - のネクサスは、化学の大幅な進歩の可能性を秘めている。
本稿では, 薬物発見の文脈において, ゲート型量子コンピュータにおける量子ニューラルネットワークの可能性について検討する。
論文 参考訳（メタデータ） (2024-09-24T01:17:34Z) - From Graphs to Qubits: A Critical Review of Quantum Graph Neural Networks [56.51893966016221]
量子グラフニューラルネットワーク(QGNN)は、量子コンピューティングとグラフニューラルネットワーク(GNN)の新たな融合を表す。
本稿では,QGNNの現状を批判的にレビューし,様々なアーキテクチャを探求する。
我々は、高エネルギー物理学、分子化学、ファイナンス、地球科学など多種多様な分野にまたがる応用について論じ、量子的優位性の可能性を強調した。
論文 参考訳（メタデータ） (2024-08-12T22:53:14Z) - Simplicity within biological complexity [0.0]
文献を調査し、マルチスケール分子ネットワークデータの埋め込みのための包括的フレームワークの開発について論じる。
ネットワーク埋め込み手法はノードを低次元空間の点にマッピングすることにより、学習空間の近接性はネットワークのトポロジ-関数関係を反映する。
本稿では,モデルから効率的かつスケーラブルなソフトウェア実装に至るまで,マルチオミックネットワークデータのための汎用的な包括的埋め込みフレームワークを開発することを提案する。
論文 参考訳（メタデータ） (2024-05-15T13:32:45Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - Emerging Drug Interaction Prediction Enabled by Flow-based Graph Neural
Network with Biomedical Network [69.16939798838159]
本稿では,新興医薬品の相互作用を効果的に予測できるグラフニューラルネットワーク(GNN)であるEmerGNNを提案する。
EmerGNNは、薬物ペア間の経路を抽出し、ある薬物から他の薬物へ情報を伝達し、関連する生物学的概念を経路に組み込むことで、薬物のペアワイズ表現を学習する。
全体として、EmerGNNは、新興薬物の相互作用を予測する既存のアプローチよりも精度が高く、バイオメディカルネットワーク上で最も関連性の高い情報を特定できる。
論文 参考訳（メタデータ） (2023-11-15T06:34:00Z) - Entanglement-Assisted Quantum Networks: Mechanics, Enabling
Technologies, Challenges, and Research Directions [66.27337498864556]
本稿では,量子ネットワークの絡み合いに関する包括的調査を行う。
ネットワーク構造、作業原則、開発段階の詳細な概要を提供する。
また、アーキテクチャ設計、絡み合いに基づくネットワーク問題、標準化など、オープンな研究の方向性を強調している。
論文 参考訳（メタデータ） (2023-07-24T02:48:22Z) - Biology and medicine in the landscape of quantum advantages [0.0]
量子コンピューティングは生物学や医学の応用に大きな可能性を秘めている。
量子優位の概念を単純な枠組みに融合させ、研究者に役立てることを願っている。
我々は,現実的な量子的優位性につながる可能性のある生物学と医学の応用を幅広く調査することを目指している。
論文 参考訳（メタデータ） (2021-12-01T19:00:04Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z) - Identifying efficient controls of complex interaction networks using
genetic algorithms [0.0]
本稿では,ネットワーク制御性と呼ばれる問題に対する新しい解を提案する。
我々は、計算薬物再資源化のソリューションを調整する。
我々のアルゴリズムは乳がん、卵巣がん、膵癌に有効な薬物を多数同定する方法を示す。
論文 参考訳（メタデータ） (2020-07-09T14:56:54Z) - The prospects of quantum computing in computational molecular biology [0.0]
我々は、現在の量子アルゴリズムが計算生物学やバイオインフォマティクスにどのように革命をもたらすかを検討する。
膨大な情報を処理する能力から、分野全体に潜在的なメリットがある。
また、この新しい技術における注意点と課題を認識することも重要である。
論文 参考訳（メタデータ） (2020-05-26T15:18:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。