量子科技中心_量科网

生物分子网络（如蛋白质-蛋白质相互作用、基因-基因关联和细胞-细胞互作）为理解生物系统的复杂组织结构提供了重要视角。这些网络是解析细胞功能、疾病机制及发现治疗靶点的关键。然而，多组学数据的高维度、异质性和稀疏性为其分析带来了挑战。随机游走算法被广泛应用于疾病模块的信息传播，有助于识别疾病相关基因并揭示关键生物通路。本研究探讨了经典随机游走的局限性，并探索了量子随机游走（QRW）在生物分子网络分析中的应用潜力。研究团队在两类网络应用中评估了量子随机游走的表现：首先，在哮喘、自闭症和精神分裂症相关的基因互作网络中，量子随机游走比经典方法更精准地排序了疾病相关基因；其次，在小鼠棕色脂肪组织的结构化多分部细胞互作网络中，量子随机游走成功识别出经典方法遗漏的恶性细胞关键驱动基因。研究结果表明，量子随机游走对网络结构具有更高敏感性，在识别生物学相关特征方面表现更优，有望成为经典方法的革新替代方案，这为推进网络医学和系统生物学研究开辟了新路径。