In einer neuen multidisziplinären Studie zeigten Forscher der Texas A&M University, wie Quantencomputer – eine neue Art der Datenverarbeitung, die zusätzliche Arten von Daten verarbeiten kann – die Genforschung unterstützen können und nutzten sie, um neue Zusammenhänge zwischen Genen zu entdecken, die Wissenschaftler zuvor nicht erkennen konnten .
Ihr Projekt nutzte die neue Computertechnologie, um Genregulationsnetzwerke (GRNs) zu kartieren, die Informationen darüber liefern, wie Gene sich gegenseitig aktivieren oder deaktivieren können.
Als Team veröffentlicht In npj QuanteninformationenQuantencomputing wird Wissenschaftlern helfen, Beziehungen zwischen Genen genauer vorherzusagen, was enorme Auswirkungen sowohl auf die Tier- als auch auf die Humanmedizin haben könnte.
„Das GRN ist wie eine Karte, die uns sagt, wie Gene sich gegenseitig beeinflussen“, sagte Cai. „Wenn sich zum Beispiel ein Gen ein- oder ausschaltet, kann es ein anderes Gen verändern, das später drei, fünf oder 20 weitere Gene verändern könnte.“
„Da unsere Quantencomputer-GRNs so konstruiert sind, dass wir komplexere Beziehungen zwischen Genen erfassen können als mit herkömmlichen Computern, haben wir einige Verbindungen zwischen Genen gefunden, von denen die Menschen zuvor nichts wussten“, sagte er. „Einige Forscher, die sich auf die von uns untersuchten Zelltypen spezialisiert haben, haben unsere Arbeit gelesen und festgestellt, dass unsere Vorhersagen mithilfe von Quantencomputern besser zu ihren Erwartungen passen als das traditionelle Modell.“
Die Fähigkeit zu wissen, welche Gene andere Gene beeinflussen, ist für Wissenschaftler von entscheidender Bedeutung, die nach Möglichkeiten suchen, schädliche zelluläre Prozesse zu stoppen oder hilfreiche Prozesse zu fördern.
„Wenn Sie die Genexpression anhand des GRN vorhersagen und verstehen können, wie sich diese Veränderungen auf den Zustand der Zellen auswirken, können Sie möglicherweise bestimmte Ergebnisse steuern“, sagte Cai. „Zum Beispiel könnte die Veränderung der Expression eines Gens dazu führen, dass das Wachstum von Krebszellen gehemmt wird.“
Das Beste aus einer neuen Technologie machen
Mit Quantencomputing überwinden Cai und sein Team die Einschränkungen älterer Computertechnologien, die zur Abbildung von GRNs verwendet werden.
„Vor dem Einsatz von Quantencomputern konnten die Algorithmen nur den gleichzeitigen Vergleich zweier Gene bewältigen“, sagte Cai.
Cai erklärte, dass nur der paarweise Vergleich von Genen zu irreführenden Schlussfolgerungen führen könne, da Gene möglicherweise in komplexeren Beziehungen agieren. Wenn beispielsweise Gen A und Gen B aktiviert werden, bedeutet das nicht immer, dass Gen A für die Veränderung von Gen B verantwortlich ist. Tatsächlich könnte es sich um Gen C handeln, das beide Gene verändert.
„Bei der herkömmlichen Datenverarbeitung werden Daten in Bits verarbeitet, die nur zwei Zustände haben – ein und aus oder 1 und 0“, sagte Cai. „Aber mit Quantencomputern kann man einen Zustand namens Superposition haben, der gleichzeitig ein- und ausgeschaltet ist. Das gibt uns eine neue Art von Bit – das Quantenbit oder Qubit.“
„Aufgrund der Überlagerung kann ich sowohl den aktiven als auch den inaktiven Zustand eines Gens im GRN simulieren sowie den Einfluss dieses einzelnen Gens auf andere Gene“, sagte er. „Am Ende erhält man ein umfassenderes Bild davon, wie Gene sich gegenseitig beeinflussen.“
Den nächsten Schritt gehen
Obwohl Cai und sein Team hart daran gearbeitet haben zu zeigen, dass Quantencomputer für den biomedizinischen Bereich hilfreich sind, gibt es noch viel zu tun.
„Es ist ein sehr neues Feld“, sagte Cai. „Die meisten Leute, die im Quantencomputing arbeiten, haben einen physikalischen Hintergrund. Und Leute auf der Biologieseite verstehen normalerweise nicht, wie Quantencomputing funktioniert. Man muss wirklich in der Lage sein, beide Seiten zu verstehen.“
Deshalb umfasst das Forschungsteam sowohl biomedizinische Wissenschaftler als auch Ingenieure wie Cais Ph.D. Student Cristhian Roman Vicharra, der ein wichtiges Mitglied des Forschungsteams ist und die Studie hinter der jüngsten Veröffentlichung leitete.
„In Zukunft planen wir, die gesunden Zellen mit solchen mit Krankheiten oder Mutationen zu vergleichen“, sagte Cai. „Wir hoffen zu sehen, wie sich eine Mutation auf den Zustand, die Expression, die Häufigkeit usw. von Genen auswirken könnte.“
Zunächst ist es wichtig, ein möglichst klares Verständnis der Funktionsweise gesunder Zellen zu erlangen, bevor man sie mit mutierten oder erkrankten Zellen vergleicht.
„Der erste Schritt bestand darin, dieses Basismodell vorherzusagen und zu sehen, ob das von uns kartierte Netzwerk sinnvoll war“, sagte Cai. „Jetzt können wir von dort aus weitermachen.“
Mehr Informationen:
Cristhian Roman-Vicharra et al., Quantengenregulierungsnetzwerke, npj Quanteninformationen (2023). DOI: 10.1038/s41534-023-00740-6