基于量子核方法的 CAR T 细胞细胞毒性预测提升
机器学习
2025-07-31 v1 定量方法
量子物理
摘要
嵌合抗原受体（CAR）T 细胞是一种工程化的 T 细胞，能够识别并杀死特定肿瘤细胞。通过其外域，CAR T 细胞结合肿瘤细胞抗原，可触发 CAR T 激活和增殖。这些过程由CAR T 细胞内域中的共刺激域调节。通过将新型信号成分整合到共刺激域中，可修改 CAR T 细胞的表型。基于共刺激域库开发新型 CAR 构建进行识别和实验室测试具有挑战性，因为库中定义的组合空间庞大，导致实验对所有可能的组合样本不足。我们提出一种基于投影量子核（Projected Quantum Kernel, PQK）的量子方法以应对这一挑战。PQK 通过将经典数据嵌入高维希尔伯特空间，并采用核方法衡量样本相似性。我们在基于门的量子计算机上使用61个量子比特，实现了目前规模最大的 PQK 应用，并在 CAR T 细胞细胞毒性预测中优于纯粹经典机器学习方法。重要的是，我们在特定信号域和域位置上实现了改进的学习，尤其是在信息较少的区域，凸显了量子计算在数据受限问题中的潜力。
引用
@article{arxiv.2507.22710,
title = {Enhanced Prediction of CAR T-Cell Cytotoxicity with Quantum-Kernel Methods},
author = {Filippo Utro and Meltem Tolunay and Kahn Rhrissorrakrai and Tanvi P. Gujarati and Jie Shi and Sara Capponi and Mirko Amico and Nate Earnest-Noble and Laxmi Parida},
journal= {arXiv preprint arXiv:2507.22710},
year = {2025}
}