Interacciones Fármaco-Gén en Cáncer Oro-Digestivo mediante Inhibidores de Histona Demetilasas

Resumen

Introducción: Los inhibidores de histona demetilasas (HDMI) actúan sobre enzimas que regulan la expresión génica. El aprendizaje automático cuántico, en particular los Clasificadores Cuánticos Variacionales (VQC), ofrece ventajas potenciales al permitir el análisis eficiente de datos genómicos a gran escala. Objetivos: Este estudio investiga el uso de VQC para predecir y clasificar dianas proteicas en interacciones fármaco-gen con HDMI. Los VQC pueden detectar patrones sutiles, manejar la complejidad de conjuntos genómicos y proporcionar predicciones altamente precisas, superando los enfoques tradicionales de aprendizaje automático. Métodos: Se recopilaron interacciones fármaco-gen en rutas de señalización de HDMI a partir de un conjunto de 28.280 pares. Un subconjunto de 4.000 interacciones proteicas se seleccionó para análisis con aprendizaje cuántico. Se empleó un Clasificador Cuántico Variacional, integrando componentes clásicos y cuánticos para transformar los datos a un espacio de mayor dimensionalidad, con optimización iterativa del circuito cuántico. Resultados: El VQC alcanzó una precisión de clasificación del 97,88% en la predicción de interacciones. Sin embargo, su rendimiento en ranking fue moderado, posiblemente por la complejidad de la tarea o el mapeo de características utilizado. En un conjunto de prueba, el modelo mostró un 97,68% de precisión, con 100% de recall y alta precision. No obstante, un F1-score relativamente bajo sugiere discrepancias en el rendimiento entre clases. Conclusiones: El Clasificador Cuántico Variacional demuestra gran potencial para predecir dianas proteicas en interacciones fármaco-gen con HDMI, contribuyendo a avances en medicina de precisión para cánceres oro-digestivos. Sin embargo, se requieren mejoras en el modelo para optimizar su robustez y rendimiento global.

Recibido: 1 de agosto de 2025
Aceptado: 15 de septiembre de 2025