Dank Quanteninformatik haben Wissenschaftler:innen der Texas A&M Universität eine neue Methode zur Bestimmung von Gen-Beziehungen entwickelt. Sie konnten damit bisher unbekannte Beziehungen zwischen Genen entdecken.

Damit konnten sie zudem sogenannte „genregulatorische Netzwerke“ (GRN) kartieren, die darüber Aufschluss geben, wie sich Gene gegenseitig aktivieren und deaktivieren. Wenn man verstanden hat, wie diese Mechanismen bei gesunden Zellen funktionieren, erhofft man sich Aufschluss darüber, was genau bei kranken oder mutierten Zellen schiefläuft.

Bei den GRN handelt es sich um Arten von Landkarten. Auf ihnen ist verzeichnet, welche Gene mit welchen anderen Genen wie interagieren. Ein Mitautor der Studie, die im Magazin npj Quantum Information erschienen ist, heißt James J. Cai. Er ist Fachbereichsleiter in den tiermedizinischen integrativen Biowissenschaften. Cai sagt: „Wenn zum Beispiel ein Gen ein- oder ausgeschaltet wird, kann dies ein anderes Gen verändern, das wiederum drei, fünf oder 20 weitere Gene verändern kann.“

Das Team habe einige Verbindungen zwischen Genen gefunden, von denen man vorher nichts gewusst habe, verrät er. Eine Erklärung dafür hat er auch: Die Quantencomputer-GRN erfassen komplexere Beziehungen als herkömmliche Computer das können.

Die Kartierung gegenseitiger Beeinflussung ist von entscheidender Bedeutung, wenn man schädliche zelluläre Prozesse stoppen oder nützliche fördern will.

Cai führt aus: „Wenn man die Genexpression mithilfe des GRN vorhersagen kann und versteht, wie sich diese Veränderungen auf den Zustand der Zellen auswirken, kann man vielleicht bestimmte Ergebnisse steuern.“ So lasse sich etwa das Wachstum von Krebszellen hemmen.

Dank des Quantenrechners könne man sowohl die aktiven als auch die inaktiven Zustände eines Gens im GRN simulieren und so ein vollständigeres Bild erhalten, wie sich die Gene gegenseitig beeinflussen.

Das gelingt schließlich nur durch die Superposition. So nennt man in der Quanteninformatik den zusätzlichen Zustand neben 0 und 1. Ein paarweiser Vergleich von Genen habe in der Vergangenheit zu irreführenden Schlussfolgerungen geführt.

Wenn zum Beispiel Gen A aktiviert wird und Gen B auch, bedeutet das nicht automatisch, dass A für die Veränderung von B verantwortlich ist. Es könne auch durch Gen C kommen, das beide verändert. Alte Algorithmen haben das nicht abbilden können.

Insgesamt ist noch viel zu tun, aber eines zeigt die Studie bereits: dass Quantencomputing im Bereich Biomedizin helfen kann. Deswegen müssen Physiker, Ingenieure und Biologen sowie Mediziner zusammenarbeiten.

Cai will in Zukunft gesunde Zellen mit kranken vergleichen und sehen, wie sich eine Mutation etwa auf den Zustand, die Expression, die Häufigkeit von Genen auswirkt.