Cleveland Clinic та IBM розробили квантову ML-модель для прогнозування імунної відповіді на неоантигени

Квантовий підхід до імуноонкології

Дослідники з Cleveland Clinic та IBM розробили квантову систему машинного навчання під назвою Q-CHIPP. Ця система призначена для покращення прогнозування ракових неоантигенів, які можуть викликати імунну відповідь. За умов обмежених даних Q-CHIPP перевершила класичні методи.

Деталі розробки Q-CHIPP

Q-CHIPP, або Quantum Convolutional HLA Immunogenic Peptide Prediction, є квантовою згортковою нейронною мережею. Вона об'єднала прогнози презентації антигенів та імунотерапевтичної відповіді в єдину структуру. Модель продемонструвала здатність вивчати значущі біологічні закономірності з навчальних наборів даних, що містять лише 150 зразків.

Команда масштабувала свій підхід для моделювання повнорозмірних пептидів на квантовому обладнанні, використовуючи 46 кубітів. Результати дослідження були опубліковані в Science Advances.

Значення неоантигенів та виклики

Неоантигени — це аномальні білки, що утворюються на поверхні ракових клітин внаслідок мутацій ДНК. Вони сигналізують імунній системі про те, що клітина є чужорідною або шкідливою. Імунотерапія спрямована на те, щоб навчити організм розпізнавати та атакувати ці неоантигени.

Основна проблема полягає в тому, що в одній пухлині можуть бути тисячі потенційних неоантигенів, але лише невелика їх частина буде розпізнана імунною системою. Імуногенні неоантигени, які добре розпізнаються, є ключовим фактором відповіді на імунотерапію. Для розробки вакцин проти раку та інших методів лікування необхідно розуміти, які саме неоантигени активують імунну систему для боротьби з раковими клітинами.

Раніше дослідники Cleveland Clinic опублікували атлас із 196 кандидатів неоантигенів, які, ймовірно, викликають імунну відповідь. Однак цей атлас вважається невеликим набором даних для традиційних моделей машинного навчання. Квантовий підхід Q-CHIPP дозволив подолати обмеження, пов'язані з малими наборами даних.

Майбутні перспективи

Розробники вважають, що цей підхід може покращити ідентифікацію терапевтичних цілей та підтримати розробку більш персоналізованих імунотерапій раку та вакцин нового покоління. Команда планує продовжувати вдосконалювати модель для точнішої ідентифікації терапевтичних цілей, що потенційно прискорить розробку персоналізованих імунотерапій та вакцин.

Старший автор Тайлер Албан, доктор філософії, зазначив, що створення моделі є прикладом командної роботи, що об'єднала експертів з онкології, обчислювальних наук та квантових обчислень. Сара Каппоні, відповідний автор та старший науковий співробітник IBM Research, підкреслила, що така співпраця дозволила перетворити особливості імунної системи на квантові схеми та перевірити результати на реальних даних пацієнтів.

Що це означає для розробників

Ця новина демонструє, як квантові згорткові нейронні мережі можуть бути застосовані для вирішення складних біологічних задач, зокрема в імуноонкології. Розробники, що працюють з квантовими обчисленнями, можуть використовувати Q-CHIPP як приклад для створення моделей, які ефективно працюють з обмеженими наборами даних, що є поширеним викликом у медичних та біологічних дослідженнях. Це також показує потенціал масштабування квантових алгоритмів на реальному обладнанні (46 кубітів) для моделювання складних біологічних структур, таких як повнорозмірні пептиди.

Ключові факти

• Cleveland Clinic та IBM розробили квантову ML-модель Q-CHIPP.

• Q-CHIPP покращує прогнозування ракових неоантигенів, що викликають імунну відповідь.

• Модель перевершила класичні методи за умов обмежених даних.

• Це квантова згорткова нейронна мережа, яка навчається на 150 зразках.

• Вона масштабована для моделювання пептидів на 46 кубітах квантового обладнання.

Джерела

• Cleveland Clinic and IBM Researchers Create Quantum Machine Learning Framework to Predict Neoantigen Immune Response