論文の概要: Co-optimization of codon usage and mRNA secondary structure using quantum computing

• arxiv url: http://arxiv.org/abs/2507.18817v1
• Date: Thu, 24 Jul 2025 21:32:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-28 16:16:48.764944
• Title: Co-optimization of codon usage and mRNA secondary structure using quantum computing
• Title（参考訳）: 量子コンピューティングを用いたコドン利用とmRNA二次構造の共同最適化
• Authors: Dimitris Alevras, Mihir Metkar, Triet Friedhoff, Jae-Eun Park, Mariana LaDue, Vaibhaw Kumar, Wade Davis, Alexey Galda,
• Abstract要約: 本稿では,コドン使用量と二次構造を同時に最適化する新しい変分フレームワークを提案する。 提案手法では,コドン適応指数(CAI)と最小自由エネルギー(MFE)のバランスをとる二重目的関数を用いる。 我々は、IBMの127量子ビットイーグルプロセッサを用いて、このエンドツーエンドワークフローを実際の量子ハードウェア上で実行可能であることを実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Co-optimizing mRNA sequences for both codon optimality and secondary structure is crucial for producing stable and efficacious mRNA therapeutics. Codon optimization, which adjusts nucleotide sequences to enhance translational efficiency, inherently influences mRNA secondary structure - a key determinant of molecular stability both in-vial and in-cell. Because both properties are governed by the same underlying sequence, optimizing one directly impacts the other. To address this interdependence, we introduce a novel variational framework that simultaneously optimizes codon usage and secondary structure. Our method employs a dual-objective function that balances the codon adaptation index (CAI) and minimum free energy (MFE), incorporating variational parameters for codon selection. Leveraging a hybrid quantum-classical computational strategy and building on prior advancements in quantum algorithms for secondary structure prediction, we effectively navigate this complex optimization space. We demonstrate the feasibility of executing this end-to-end workflow on real quantum hardware, using IBM's 127-qubit Eagle processor. We validate our approach through both simulations and quantum hardware experiments on sequences of up to 30 nucleotides. These results highlight the potential of our framework to accelerate the design of optimal mRNA constructs for therapeutic and research applications.
• Abstract（参考訳）: コドン最適性と二次構造の両方に対するmRNAの同時最適化は、安定かつ効果的にmRNA治療を行うために重要である。 翻訳効率を高めるためにヌクレオチド配列を調整するコドン最適化は、本質的にmRNA二次構造に影響を及ぼす。 両方の性質は同じ塩基配列で制御されるので、一方の最適化はもう一方に直接影響する。 この相互依存に対処するために,コドンの使用と二次構造を同時に最適化する新しい変分フレームワークを導入する。 提案手法では,コドン適応指数 (CAI) と最小自由エネルギー (MFE) のバランスをとる二重目的関数を用いて,コドン選択の変動パラメータを組み込む。 ハイブリッドな量子古典計算戦略を活用し、二次構造予測のための量子アルゴリズムの事前進歩に基づいて、この複雑な最適化空間を効果的にナビゲートする。 我々は、IBMの127量子ビットイーグルプロセッサを用いて、このエンドツーエンドワークフローを実際の量子ハードウェア上で実行可能であることを実証する。 最大30個のヌクレオチド配列のシミュレーションと量子ハードウェア実験によるアプローチを検証する。 これらの結果から,治療・研究に最適なmRNA構造の設計を加速するフレームワークの可能性を強調した。

関連論文リスト

• A New Deep-learning-Based Approach For mRNA Optimization: High Fidelity, Computation Efficiency, and Multiple Optimization Factors [12.26159226306187]
  我々は,mRNA最適化のための新しい深層学習手法である textbfRNop を紹介する。 我々は,300万以上のシーケンスを含む大規模データセットを収集し,GPLoss,CAILoss,tAILoss,MFELossという4つの特別な損失関数を設計する。 RNopはハイシークエンスを保証し、47.32シークエンス/秒までの計算スループットを実現し、最適化されたmRNAシークエンスを生成する。
  論文  参考訳（メタデータ） (2025-05-29T08:21:11Z)
• Towards secondary structure prediction of longer mRNA sequences using a quantum-centric optimization scheme [0.0]
  本稿では、量子サンプリングと古典的後処理を統合してこの問題に対処するスケーラブルな量子中心最適化フレームワークを提案する。 我々は、IBM量子プロセッサを用いて、最大156量子ビットと最大950個の非局所ゲートを含む回路を含む問題インスタンスを解くことで、これらのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2025-05-09T04:53:40Z)
• Regulatory DNA sequence Design with Reinforcement Learning [56.20290878358356]
  本稿では,強化学習を利用して事前学習した自己回帰モデルを微調整する生成手法を提案する。 2つの酵母培地条件下でのプロモーター設計タスクの評価と,3種類のヒト細胞に対するエンハンサー設計タスクの評価を行った。
  論文  参考訳（メタデータ） (2025-03-11T02:33:33Z)
• An Efficient Quantum Approximate Optimization Algorithm with Fixed Linear Ramp Schedule for Truss Structure Optimization [0.0]
  本研究では,量子変動回路に基づく新しい構造最適化手法を提案する。 設計変数を乗算器として定義することにより、ロッドの断面領域を調整する際の柔軟性が向上する。 その結果、目的関数は単純な形式であり、QAOAを用いた効率的な最適化を可能にする。
  論文  参考訳（メタデータ） (2025-02-24T01:19:41Z)
• DrugImproverGPT: A Large Language Model for Drug Optimization with Fine-Tuning via Structured Policy Optimization [53.27954325490941]
  大規模言語モデル(LLM)の微調整は、特定の目的に向けて結果を生成するために不可欠である。 本研究は,薬物最適化LSMに基づく生成モデルを微調整するための新しい強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-02-11T04:00:21Z)
• mRNA secondary structure prediction using utility-scale quantum computers [0.0]
  最大60ヌクレオチドの配列長を持つ量子コンピュータ上でmRNA二次構造を解く可能性について検討した。 この結果は、量子コンピュータ上でmRNA構造予測問題の解法が可能であることを示す十分な証拠となる。
  論文  参考訳（メタデータ） (2024-05-30T17:58:17Z)
• A resource-efficient variational quantum algorithm for mRNA codon optimization [0.5120567378386615]
  mRNAコドンの最適化は、特定の標的タンパク質の遺伝子発現に重要な影響を与える。 本研究は,ゲート型量子コンピュータ上での変分量子固有解法アルゴリズムを用いて,mRNAコドン最適化を実装するためのコドンを符号化する方法を提案する。
  論文  参考訳（メタデータ） (2024-04-23T09:23:22Z)
• Improving RNA Secondary Structure Design using Deep Reinforcement Learning [69.63971634605797]
  本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。 本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
  論文  参考訳（メタデータ） (2021-11-05T02:54:06Z)
• EBM-Fold: Fully-Differentiable Protein Folding Powered by Energy-based Models [53.17320541056843]
  本研究では,データ駆動型生成ネットワークを用いたタンパク質構造最適化手法を提案する。 EBM-Foldアプローチは,従来のロゼッタ構造最適化ルーチンと比較して,高品質なデコイを効率よく生成できる。
  論文  参考訳（メタデータ） (2021-05-11T03:40:29Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• RNA Secondary Structure Prediction By Learning Unrolled Algorithms [70.09461537906319]
  本稿では,RNA二次構造予測のためのエンド・ツー・エンドのディープラーニングモデルであるE2Efoldを提案する。 E2Efoldの鍵となる考え方は、RNA塩基対行列を直接予測し、制約のないプログラミングを、制約を強制するための深いアーキテクチャのテンプレートとして使うことである。 ベンチマークデータセットに関する包括的な実験により、E2Efoldの優れた性能を実証する。
  論文  参考訳（メタデータ） (2020-02-13T23:21:25Z)

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。