采用量子核方法增强CAR-T细胞毒性的预测
嵌合抗原受体(CAR)T细胞是通过基因工程改造、可特异性识别并杀伤肿瘤细胞的T细胞。其胞外结构域与肿瘤细胞抗原结合后,会激活CAR-T细胞并促使其增殖。这些过程由CAR-T细胞内区域的共刺激结构域调控。通过将新型信号组件整合至共刺激结构域,可改变CAR-T细胞表型。由于共刺激结构域库定义的组合空间极为庞大,从文库中筛选新型CAR构建体并进行实验验证具有显著挑战性,导致该组合问题存在严重的数据局限性和探索不足,现有实验无法覆盖所有可能组合。该研究团队提出采用投影量子核(PQK)的量子计算方法解决这一难题:PQK通过将经典数据嵌入高维希尔伯特空间,利用核方法测量样本相似度。在基于量子门的计算机上使用61个量子比特,该工作实现了迄今最大规模的PQK应用案例,并在CAR-T细胞毒性预测中展现出优于纯经典机器学习方法的分类性能。值得注意的是,研究证明了该方法在特定信号域及域位置(尤其是信息匮乏区域)的学习能力提升,凸显出量子计算在数据受限问题中的巨大潜力。
