Квантовые компьютеры потенциально могут превзойти классические компьютеры в определённых вычислениях, особенно в тех, которые связаны со сложными распределениями вероятностей, оптимизацией или взаимодействиями высокого порядка. Авторы работы полагают, что гибридные подходы, сочетающие квантовые и классические алгоритмы, могут принести практическую пользу ещё до появления полностью отказоустойчивых квантовых компьютеров.

Одной из областей, где квантовые методы могут оказаться полезными, является пространственная транскриптомика — измерение активности генов с сохранением физического расположения клеток в ткани. Квантовые аналоги нейронных сетей, графовых методов и оптимального транспорта могут улучшить сегментацию, классификацию клеток и их связывание с эталонными наборами данных, особенно при недостатке данных или наличии шумов.

Временное моделирование, то есть анализ изменений системы во времени, может быть улучшено с помощью квантовых версий таких методов, как случайные блуждания, обыкновенные дифференциальные уравнения и вероятностные графические модели. Эти методы направлены на реконструкцию дифференцировки клеток, их реакции на стресс или прогрессирования к болезненным состояниям, используя снимки, собранные в разное время.

Авторы исследования подчёркивают, что разработка эффективных клеточных терапий, включая иммунотерапии, требует понимания того, как спроектированные клетки взаимодействуют со сложной тканевой средой и как эти взаимодействия меняются со временем. Гибридные квантово-классические модели могли бы помочь исследователям более эффективно изучать эти области и выявлять перспективные терапевтические стратегии.