論文の概要: A 4-Qubit Variational Quantum Classifier for Sequence-Specific Classification of DNMT3A and DNMT3B Flanking Methylation Preferences
- arxiv url: http://arxiv.org/abs/2610.15998v1
- Date: Mon, 12 Oct 2026 00:02:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-19 08:10:24.866879
- Title: A 4-Qubit Variational Quantum Classifier for Sequence-Specific Classification of DNMT3A and DNMT3B Flanking Methylation Preferences
- Title（参考訳）: DNMT3AとDNMT3Bのフラッキングメチル化選好の配列特定のための4ビット変分量子分類器
- Abstract要約: そこで本研究では,DNAメチル化選好を分類するための新しい量子機械学習(QML)手法を提案する。
我々は4,096個のNNCGNNNモチーフを含むデータセットを構築した。
always-DNMT3B予測器は51.2%の精度とバランスの取れた精度をこの試験分割で達成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: DNA methylation is a critical epigenetic modification that regulates gene expression and genome stability, primarily catalyzed by the DNA methyltransferase 3 (DNMT3) family of enzymes. Distinguishing precise sequence-specific flanking preferences between DNMT3A and DNMT3B remains computationally challenging due to the complex and high-dimensional nature of biochemical sequence data. In this study, we propose a novel Quantum Machine Learning (QML) approach to classify DNA methylation preferences, leveraging a Variational Quantum Classifier (VQC). Using experimentally derived deep enzymology data, we constructed a dataset containing 4,096 unique NNNCGNNN motifs. We evaluated a four-qubit VQC using a custom NumPy exact-statevector simulator. The described two-layer circuit contains 24 trainable rotations, eight CNOT gates, and eight input-encoding rotations, totaling 40 gates before measurement. Across five initialization seeds, the revised VQC evaluation achieved a ROC-AUC of 0.661 pm 0.009, where variability denotes sample standard deviation. The held-out test partition is approximately balanced, containing 200 DNMT3A-labeled motifs and 210 DNMT3B-labeled motifs. An always-DNMT3B predictor achieves 51.2% accuracy and a balanced accuracy of 0.500 on this test partition. This proof-of-concept establishes a foundation for utilizing near-term quantum architectures in complex epigenetic classification tasks, paving the way for hybrid quantum-classical pipelines in bioinformatics.
- Abstract（参考訳）: DNAメチル化は、DNAメチルトランスフェラーゼ3(DNMT3)ファミリーの酵素によって触媒される、遺伝子発現とゲノム安定性を制御する重要なエピジェネティックな修飾である。
DNMT3AとDNMT3Bの正確な配列特異的な側面選好の識別は、生化学的配列データの複雑で高次元的な性質のため、計算的に困難である。
本研究では,変異量子分類器(VQC)を活用し,DNAメチル化の選好を分類するための新しい量子機械学習(QML)手法を提案する。
実験により得られた深部酵素データを用いて,4,096個のNNNCGNNNモチーフを含むデータセットを構築した。
我々は,NumPyの精密状態ベクトルシミュレータを用いた4量子VQCの評価を行った。
上記2層回路は、24個のトレーニング可能な回転、8個のCNOTゲート、8個の入力エンコードローテーションを含む。
5種類の初期化種子に対して,改良VQCは0.661 pm 0.009のROC-AUCを達成し,変数は標準偏差を示す。
200個のDNMT3A標識モチーフと210個のDNMT3B標識モチーフを含んでいる。
always-DNMT3B予測器は51.2%の精度とバランスの取れた精度をこの試験分割で達成する。
この概念の証明は、複雑なエピジェネティックな分類タスクにおいて、短期的な量子アーキテクチャを活用する基盤を確立し、バイオインフォマティクスにおけるハイブリッド量子古典パイプラインの道を開く。
関連論文リスト
- Neural Dimensional Analysis: Foundations of Dimensionless and Scale-Consistent Computation [41.429437803093485]
現代のトランスフォーマーは、正規化、残留スケーリング、注意温度、損失重み付け、適応更新など、多くのスケール制御機構に依存している。
次元整合性に基づく統合フレームワークであるニューラル次元解析(NDA)を導入する。
論文 参考訳（メタデータ） (2026-10-13T08:43:24Z) - QTrans: A Quantum Transformer for Sentiment Classification [30.090297417712502]
本稿では、パラメータ化量子回路を用いてクエリ、キー、値の特徴を構成するQTransモデルを提案する。
MR、CR、MPQAデータセットの実験結果は、QTransがそれぞれ72.13%、69.51%、63.45%のテスト精度を達成したことを示している。
論文 参考訳（メタデータ） (2026-09-10T06:04:31Z) - A Multidimensional Data-Driven Hybrid Transformer Framework for Non-invasive Continuous Blood Pressure Prediction [28.58502100288247]
本稿では,ECG/III特徴系列から拡張型および収縮型BPを推定するハイブリッドトランスフォーマーフレームワークを提案する。
このフレームワークは、生の波形ではなく、生理的記述子の10段階のシーケンスと、2つの人口統計学的コをモデル化する。
論文 参考訳（メタデータ） (2026-08-24T14:02:10Z) - Quantum-Inspired Hybrid Neural Networks for Neural Decoding: A Controlled Ablation Study of Learnable Quantum Sidecar Integration [5.2726003549534655]
本稿では,ResNet-50バックボーン内に残余のサイドカーモジュールとして集積されたパラメータ化量子回路(PQCs)について検討した。
ベースライン, 量子サイドカーとフリーズインプットプロジェクション, バックボーン・グラディエント・トレーニングプロジェクションの量子サイドカー, アングルエンコーディングを回路計測結果と整合させる測定誘導変種を比較検討した。
論文 参考訳（メタデータ） (2026-08-23T15:55:43Z) - Coupled-cluster molecular properties across the main group that extrapolate beyond training size [23.611033259416402]
我々は、単一の同変ネットワークMEHnet-MGを用いて、1つの安価なB3LYP/def2-SVP計算から有効な1電子ハミルトニアンを予測する。
このモデルは、CCSD(T)レベルで計算された9つの要素すべてに対して、新しい社内のマルチプロパティラベルデータセットに基づいてトレーニングされる。
論文 参考訳（メタデータ） (2026-08-18T21:57:02Z) - Exploring the Effects of Entanglement on Quantum Machine Learning of Pathogen Epitope-Receptor Binding [0.0]
特徴マップにおける2量子エンタングゲートの数とトポロジーが、強い受容体と弱い受容体の結合を分類するためのハイブリッドQNNワークフローに与える影響について検討する。
従来のCNNベンチマークとハイブリッドQNNアーキテクチャを4つの特徴マップ構成で比較する。
テスト対象のうち、ZZ機能マップは、トレーニングセットのオーバーフィットを減らしたことを示す最強の証拠となる。
論文 参考訳（メタデータ） (2026-06-27T00:11:37Z) - Tensor Network based Gene Regulatory Network Inference for Single-Cell Transcriptomic Data [0.0]
本研究では、テンソルネットワーク(TN)を利用して表現データを最適にマッピングする量子インスピレーションフレームワークを提案する。
遺伝子依存を定量化し、置換試験により統計的意義を確立する。
量子物理学にインスパイアされた手法と計算生物学を融合することにより,遺伝子制御に関する新たな知見を提供する。
論文 参考訳（メタデータ） (2025-09-08T17:11:12Z) - UQ of 2D Slab Burner DNS: Surrogates, Uncertainty Propagation, and Parameter Calibration [36.136619420474766]
本研究の目的は,2次元スラブバーナ直接数値シミュレーション(DNS)のような複雑な物理シミュレーションの完全不確実性定量化分析を行う上での課題を実証し,解決することである。
UQフレームワークは、データ駆動サロゲートモデルの開発と、燃料回帰率に対するパラメトリック不確実性の伝播を含む。
本研究では, 複雑な燃焼系における燃料の回帰速度の予測における不確かさの定量化における代理モデル選択とパラメータキャリブレーションの重要性を強調した。
論文 参考訳（メタデータ） (2024-11-09T20:56:05Z) - Multi-task Bioassay Pre-training for Protein-ligand Binding Affinity
Prediction [26.530876904939163]
構造に基づくPLBA予測のための事前学習フレームワークであるMBP(Multi-task Bioassay Pre-training)を提案する。
MBPは、様々なノイズのあるラベルを持つ新しいChEMBL-Dockデータセットから、堅牢で伝達可能な構造知識を学習する。
論文 参考訳（メタデータ） (2023-06-08T02:29:49Z) - Deep learning forward and reverse primer design to detect SARS-CoV-2
emerging variants [1.92488183401128]
新型コロナウイルス感染者の急増はSARS-CoV-2変異の出現と関連している。
我々は,SARS-CoV-2の変種を検出するために,前と逆のプライマーセットを設計する半自動手法を開発した。
論文 参考訳（メタデータ） (2022-09-25T20:09:22Z) - 4-bit Quantization of LSTM-based Speech Recognition Models [40.614677908909705]
LSTMに基づく大規模アーキテクチャの2つのファミリにおける重みとアクティベーションの積極的低精度表現の影響について検討した。
量子化器と初期化器の適切な選択により、最小精度の損失が達成可能であることを示す。
論文 参考訳（メタデータ） (2021-08-27T00:59:52Z)
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。