論文の概要: On Quantum Random Walks in Biomolecular Networks
- arxiv url: http://arxiv.org/abs/2506.06514v1
- Date: Fri, 06 Jun 2025 20:25:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-10 16:33:10.304455
- Title: On Quantum Random Walks in Biomolecular Networks
- Title（参考訳）: 生体分子ネットワークにおける量子ランダムウォークについて
- Authors: Viacheslav Dubovitskii, Aritra Bose, Filippo Utro, Laxmi Pardia,
- Abstract要約: 生体分子ネットワークは、生物学的システムの組織に関する貴重な洞察を提供する。
これらのネットワークは、細胞機能、疾患のメカニズム、治療標的の同定を理解するための鍵となる。
生体分子ネットワーク解析のための量子ランダムウォーク(QRW)の可能性を探る。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biomolecular networks, such as protein-protein interactions, gene-gene associations, and cell-cell interactions, offer valuable insights into the complex organization of biological systems. These networks are key to understanding cellular functions, disease mechanisms, and identifying therapeutic targets. However, their analysis is challenged by the high dimensionality, heterogeneity, and sparsity of multi-omics data. Random walk algorithms are widely used to propagate information through disease modules, helping to identify disease-associated genes and uncover relevant biological pathways. In this work, we investigate the limitations of classical random walks and explore the potential of quantum random walks (QRWs) for biomolecular network analysis. We evaluate QRWs in two network-based applications. First, in a gene-gene interaction network associated with asthma, autism, and schizophrenia, QRWs more accurately rank disease-associated genes compared to classical methods. Second, in a structured multi-partite cell-cell interaction network derived from mouse brown adipose tissue, QRWs identify key driver genes in malignant cells that are overlooked by classical random walks. Our findings suggest that quantum random walks offer a promising alternative to classical approaches, with improved sensitivity to network structure and better performance in identifying biologically relevant features. This highlights their potential in advancing network medicine and systems biology.
- Abstract（参考訳）: タンパク質-タンパク質相互作用、遺伝子-遺伝子関連、細胞-細胞相互作用などの生体分子ネットワークは、生物学的システムの複雑な構造に関する貴重な洞察を提供する。
これらのネットワークは、細胞機能、疾患のメカニズム、治療標的の同定を理解するための鍵となる。
しかし、それらの分析は、マルチオミクスデータの高次元性、不均一性、および空間性によって挑戦されている。
ランダムウォークアルゴリズムは、病気のモジュールを通じて情報を伝達し、疾患に関連する遺伝子を特定し、関連する生物学的経路を明らかにするのに役立つ。
本研究では,古典的ランダムウォークの限界を調査し,生体分子ネットワーク解析のための量子ランダムウォーク(QRW)の可能性を探る。
QRWを2つのネットワークベースアプリケーションで評価する。
まず、喘息、自閉症、統合失調症に関連する遺伝子-遺伝子相互作用ネットワークにおいて、QRWは古典的な方法と比較して疾患関連遺伝子をより正確にランク付けする。
第二に、マウス褐色脂肪組織由来の多粒子細胞間相互作用ネットワークにおいて、QRWは古典的なランダムウォークによって見過ごされる悪性細胞のキードライバー遺伝子を同定する。
この結果から, 量子ランダムウォークは, ネットワーク構造に対する感度の向上, 生物学的特徴の同定性能の向上など, 古典的アプローチの代替として有望なものであることが示唆された。
これは、ネットワーク医学とシステム生物学の進歩の可能性を浮き彫りにしている。
関連論文リスト
- BioMaze: Benchmarking and Enhancing Large Language Models for Biological Pathway Reasoning [49.487327661584686]
実際の研究から5.1Kの複雑な経路問題を持つデータセットであるBioMazeを紹介する。
CoT法やグラフ拡張推論法などの手法の評価は,LLMが経路推論に苦慮していることを示している。
そこで本稿では,インタラクティブなサブグラフベースのナビゲーションにより推論を強化するLLMエージェントであるPathSeekerを提案する。
論文 参考訳（メタデータ） (2025-02-23T17:38:10Z) - Recovering Time-Varying Networks From Single-Cell Data [11.04189396013616]
時系列単細胞遺伝子発現データから動的グラフを推論するディープニューラルネットワークであるMarleneを開発した。
Marleneは、新型コロナウイルスの免疫反応、線維化、老化など、特定の生物学的反応に関連する遺伝子相互作用を同定することができる。
論文 参考訳（メタデータ） (2024-10-01T19:18:51Z) - Interpreting artificial neural networks to detect genome-wide association signals for complex traits [0.0]
我々は人工ニューラルネットワークを訓練し、シミュレーションと実際のジェノタイプフェノタイプデータセットの両方を用いて複雑な特徴を予測する。
統合失調症に合併した多発性座位を指摘された。
論文 参考訳（メタデータ） (2024-07-26T15:20:42Z) - MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。
セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文 参考訳（メタデータ） (2024-06-12T15:22:56Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Two Novel Approaches to Detect Community: A Case Study of Omicron
Lineage Variants PPI Network [0.5156484100374058]
我々は,2つの新しいアルゴリズムと4つの広く認識されているアルゴリズムを用いて,変異型B.1.1.529(Omicron virus)のコミュニティを明らかにすることを目指している。
また,ネットワークをグローバルな特性,統計概要,グラフ数,グラフレット,モジュール性による検証などによって比較する。
論文 参考訳（メタデータ） (2023-08-09T03:51:20Z) - DDeMON: Ontology-based function prediction by Deep Learning from Dynamic
Multiplex Networks [0.7349727826230864]
本研究の目的は、遺伝子発現の時間的ダイナミクスとシステムのレベル情報の融合がいかにして新しい遺伝子機能を予測するかを検討することである。
時間依存型多スケール生体情報を用いた関数アノテーションのスケーラブルなシステムレベルの推論手法であるDDeMONを提案する。
論文 参考訳（メタデータ） (2023-02-08T06:53:02Z) - Granger causal inference on DAGs identifies genomic loci regulating
transcription [77.58911272503771]
GrID-Netは、DBG構造化システムにおけるGranger因果推論のためのラタグメッセージパッシングを備えたグラフニューラルネットワークに基づくフレームワークである。
我々の応用は、特定の遺伝子の調節を仲介するゲノム座を同定する単一セルマルチモーダルデータの解析である。
論文 参考訳（メタデータ） (2022-10-18T21:15:10Z) - Quantum network medicine: rethinking medicine with network science and
quantum algorithms [0.0]
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。
論文 参考訳（メタデータ） (2022-06-22T09:05:24Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z)
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。