Alz-QNet：用于研究阿尔茨海默病基因相互作用的量子回归网络
基因组学
2025-08-08 v1 机器学习
摘要
理解阿尔茨海默病（AD）的分子层面机制通过研究与疾病相关的关键基因仍是一个挑战。阿尔茨海默病是一种多因素疾病，需要理解其背后基因-基因相互作用以实现诊疗。本文提出一种新方法，利用量子回归解码某些关键基因（如阿尔茨海默病淀粉样蛋白前体蛋白 、Sterol 调控元件激活转录因子14 、阴阳1 以及磷脂酶 D 家族成员3 等）在疾病进展中受到其他显著基因的影响，这可能有助于基于基因表达的疗法。我们提出的量子回归网络（Alz-QNet）引入了来自最先进量子基因调控网络（QGRN）的洞见，揭示了 AD 病理中涉及的基因相互作用，特别是在早期病理变化发生的内侧回区（EC）中。通过提出的 Alz-QNet 框架，我们探讨了关键基因（、、、、、、 和 ）在 AD 患者 CE 微环境中的相互作用，研究来自数据库 的遗传样本，这些基因被认为在 AD 的进展中起关键作用。我们的调查揭示了复杂的基因-基因相互作用，为阐明 AD 病 genesis 背后的潜在调控机制提供了线索，帮助我们找到潜在的基因抑制剂或调节剂用于诊疗。
引用
@article{arxiv.2508.04742,
title = {Discovery of Disease Relationships via Transcriptomic Signature Analysis Powered by Agentic AI},
author = {Ke Chen and Haohan Wang},
journal= {arXiv preprint arXiv:2508.04742},
year = {2025}
}