Quantum Generative Modeling of Single-Cell transcriptomes: Capturing Gene-Gene and Cell-Cell Interactions

技術要約：単一細胞トランスクリプトームの量子生成モデリング

問題提起
単一細胞RNAシーケンシング（scRNA-seq）データをシミュレーションする現在の手法は、線形相関に大きく依存する古典的なアプローチによって制約を受けている。これらの手法は、遺伝子制御ネットワーク（GRN）や細胞間コミュニケーションを特徴づける本質的な非線形依存関係を捉えることができない。SERGIOやscMultiSimといった既存のシミュレーターは、通常、細胞内調節と細胞間シグナル伝達を別個の、あるいは加法的なモジュールとしてモデル化している。これらは、遺伝子間の因果的制御と細胞間コミュニケーションを統一された生成フレームワーク内で共同でモデル化することに苦慮しており、メカニズム的なフィードバックを欠いた静的なマッピングや線形相関の調整に頼ることが多い。その結果、複雑な構造的依存関係を反映した、既知のプログラム可能なグラウンドトゥルース（真の構造）を持つ高忠実度な合成データを生成できるプラットフォームが不足している。

手法：qSimCells
著者らは、量子もつれを活用して現実的な単一細胞トランスクリプトームデータを生成するために設計された、ハイブリッド量子・古典シミュレーターであるqSimCellsを導入する。このフレームワークは、量子ビットが遺伝子または分子特徴を表すパラメータ化量子回路（PQC）を利用する。

1. 状態初期化： プロセスは、$n$個の量子ビットを基底状態 $|0\rangle$ で初期化することから始まる。ユーザー定義の回転角（$\theta_i$）が$Y$軸回転ゲート（$R_y$）を介して適用され、基礎的な遺伝子活性化確率（$P_i = \sin^2(\theta_i/2)$）を設定する。
2. 細胞内調節（GRN）： 細胞型内の遺伝子間の指向性のある因果依存性は、制御NOT（CX）ゲートを用いてエンコードされる。CXゲートのシーケンスを適用して制御量子ビットとターゲット量子ビットを絡み合わせることで、非線形なGRNトポロジーを模倣する時間順序に従った制御カスケードを確立する。
3. 細胞間コミュニケーション： 異なる細胞型間（例：細胞型1と細胞型2）の相互作用をモデル化するために、フレームワークは2つの独立した量子状態（レジスタ）を準備し、テンソル積を介して複合状態を形成する。レジスタ間の相互通信は、レジスタを横断する最終的なCXゲートのセットを適用することでシミュレートされ、ある細胞型のリガンド遺伝子を別の細胞型の受容体遺伝子と絡み合わせる。
4. データ生成： 最終的な量子状態を測定することで、遺伝子活性化（ON/OFF）を表すバイナリカウント行列を生成する。実際のscRNA-seqデータの過分散性を模倣するために、このバイナリ行列は負の二項分布（NB）を用いて変換され、「ON」の状態をスケーリングすることで連続的な遺伝子発現カウントを生成する。

主な貢献

• 統合的生成モデル： qSimCellsは、細胞内のGRNと細胞間のリガンド・受容体シグナル伝達の両方を、単一のフレームワーク内で自然かつ統合的にシミュレートする初の量子ベースのツールとして提示される。
• プログラム可能なグラウンドトゥルース： エンタングルメントのアーキテクチャ（CXゲートのシーケンス）を明示的に定義することにより、このシミュレーターは、制御経路および通信経路の両方に対して既知の因果的グラウンドトゥルースを確立する。これにより、基礎となる依存関係が数学的に定義されたデータセットに対して、推論アルゴリズムの厳格なベンチマークが可能になる。
• 非線形依存性のエンコード： 本フレームワークは、量子もつれが、古典的な相関ベースのシミュレーターでは自然に表現できない複雑な高次依存性をエンコードできることを示している。

結果
本研究は、細胞型あたりの5つの遺伝子系を用いた2つの主要な実験を通じてqSimCellsを検証している。

1. GRN推論ベンチマーク：

   • 著者らは、合成データに対して4つの古典的な推論手法（Pearson、Spearman、GRNBoost2、およびGENIE3）をテストした。
   • 相関ベースの手法（Pearson/Spearman）： これらは、厳格な閾値においてプログラムされたCXトポロジーを回収できなかった。これらは、真の因果構造ではなく、高い基底遺伝子発現確率（例：高い$\theta$値を持つ遺伝子）によって駆動される偽の関連性を生成した。
   • 決定木ベースの手法（GRNBoost2/GENIE3）： これらは、特に相互作用のない制御ケースにおいて優れた整合性を示し、高い頻度で指向性エッジを回収した。しかし、複雑なレジスタ間カスケードのケースでは、高発現パターンによる混同により苦戦しており、高次元データにおける真の因果的リンクと統計的な共起を分離することの難しさを浮き彫りにした。

2. 細胞間コミュニケーション検出：

   • フレームワークは、リガンド・受容体相互作用を推論するための標準的なツールであるCellChatを用いてテストされた。
   • レジスタ間のエンタングルメントが有効な場合、CellChatはプログラムされた真のリガンド・受容体ペア（例：$g_3 \to g_5$ および $g_7 \to g_0$）を正しく特定し、非相互作用の制御群と比較して、推論された通信確率が大幅に増加（最大98倍）した。
   • 逆に、メカニズム的なリンクを持たない偽の制御ペアは、絶対的な信頼度スコアが高いにもかかわらず、通信確率の変化は無視できる程度であった。これは、真のメカニズム的シグナルを示す指標としては、絶対的なp値よりも条件間の確率の相対的な変化の方が信頼できることを示唆している。

3. ハードウェア検証：

   • 著者らは、理想的なノイズレスシミュレーション、ノイズモデルシミュレーション、および実際のIBM量子ハードウェア（127量子ビットプロセッサ）での実行において、シミュレーション結果が一貫していることを検証した。遺伝子発現確率のランク順序はすべての条件下で保持されており、現在のNISQデバイスにおける浅い回路の堅牢性を裏付けている。

意義と主張
本論文は、qSimCellsが、エンタングルメントによって強化された相関とプログラム可能な因果トポロジーを持つベンチマークデータセットを提供することにより、合成生物学における重要な進歩をもたらすと主張している。

• 古典的推論の限界： 結果は、ペアごとの周辺分布よりも結合構造的依存性を優先する従来の相関ベースの推論手法の限界を強調している。
• 高度なアプローチの必要性： 本研究は、遺伝子制御と細胞間コミュニケーションの基礎となる複雑な構造的依存関係を捉えることができる分析的手法の開発が必要であると論じている。これは、古典的なシミュレーターが再現できない部分である。
• アーキテクチャ上の利点： 使用されている特定の回路ファミリーは古典的にシミュレート可能であるが、著者らは、量子フレームワークがこれらの依存関係をエンコードするための自然なインターフェースとしてアーキテクチャ上の利点を提供することを強調している。それは、古典的な確率モデルでは構築が困難な、生成グラウンドトゥルースを定義するためのコンパクトで原理的な方法を提供する。
• 今後の方向性： 本研究は、量子生成モデリングを単一細胞解析のための不可欠なパラダイムとして位置づけており、将来のアルゴリズムは、細胞のメカニズム的かつ非線形な性質を捉えるために、線形相関を超えて進化しなければならないと示唆している。著者らは、全ゲノムシミュレーションは現在量子ビット数によって制限されているものの、ハイブリッド戦略（主要な経路に対する量子コアと、古典的な背景）が、実用的かつ即時的な応用であると述べている。