Accès ouvert déclaré 2025 preprint

Quantum Convolutional HLA Immunogenic Peptide Prediction (Q-CHIPP): Next-Generation Neoantigen Prediction with Quantum Neural Networks

Ryan Scott Peters, Kahn Rhrissorrakrai, Prerana Bangalore Parthasarathy, Vadim A. Ratner, Tanvi P. Gujarati, Meltem Tolunay, Jie Shi, Jeffrey K. Weber, Timothy An-thy Chan, Laxmi Parida, Sara Capponi, Filippo Utro, Tyler Joseph Alban

3Citations signalées, ce qui n’est pas une note de qualité

6Institutions déclarées

2Pays d’affiliation déclarés

Rattachement africain : us, il. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

ABSTRACT The immune system is an intricately evolved series of cellular and protein-protein interactions, which defend the body against pathogens and abnormal cells such as cancer. A key player in the immunologic recognition of non-self is the immune synapse, where T cell receptors (TCRs) scan peptides presented on major histocompatibility complex (MHC) molecules to detect and eliminate cells displaying non-self antigens. While this interaction is vital for vaccine and immunotherapy success, the underlying rules of TCR recognition remain poorly understood. This is only further challenged as the application of predictive models is very limited due to small training datasets. While traditional machine learning models excel at predicting neoantigen binding to MHC, they often struggle to accurately predict immunogenicity. To address these challenges, we developed a quantum computing approach using Quantum Convolutional Neural Networks (QCNNs). Here we present Quantum Convolutional Human Leukocyte Antigen (HLA) Immunogenic Peptide Prediction (Q-CHIPP), the first application of quantum hardware based on training/predicting both MHC binding and immunogenicity in a combinatorial approach. Additionally, we present a large scale use of quantum hardware at scale with 46 qubits. This study underscores how quantum technology can be used for biological modeling and presents a scalable QCNN design with the potential to overcome current computational bottlenecks as quantum hardware advances.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Quantum Convolutional HLA Immunogenic Peptide Prediction (Q-CHIPP): Next-Generation Neoantigen Prediction with Quantum Neural Networks
Date Crossref: 01/08/2025
Éditeur: openRxiv
Type: posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Cleveland Clinic Center for Immunotherapy and Precision Immuno-Oncology pays non établi dans la notice
Établissement de santé
IBM (United States) pays non établi dans la notice
Entreprise
Alliance for Safe Kids pays non établi dans la notice
Organisation à but non lucratif
IBM Research - Haifa pays non établi dans la notice
Structure de recherche
IBM Research - Almaden pays non établi dans la notice
Structure de recherche
University of California pays non établi dans la notice
Université ou école supérieure
IBM Research Yorktown Heights pays non établi dans la notice
Institution
IBM Quantum pays non établi dans la notice
Institution
Almaden Research Center IBM Quantum pays non établi dans la notice
Structure de recherche
Center for Cellular Construction pays non établi dans la notice
Institution

Center for Immunotherapy and Precision Immuno-Oncology — Cleveland Clinic, IBM (United States) et Alliance for Safe Kids, avec 7 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

vaccines and immunoinformatics approachesMachine Learning in BioinformaticsComputational Drug Discovery Methods

Lire en accès ouvert Consulter la publication primaire Ouvrir le DOI