量子分子模拟加速新药发现深度：AlphaFold-Q将先导化合物筛选周期从18个月压缩至3周

量子分子模拟加速新药发现深度：AlphaFold-Q将先导化合物筛选周期从18个月压缩至3周

DeepMind与辉瑞于12月24日联合发表论文，详细介绍了量子增强分子模拟系统AlphaFold-Q在药物发现中的应用成果。在针对KRAS突变蛋白（最常见的癌症驱动基因之一）的先导化合物筛选中，AlphaFold-Q仅用3周时间就完成了传统方法需要18个月才能完成的虚拟筛选工作。

AlphaFold-Q的核心创新在于将量子计算的变分量子本征求解器（VQE）与AlphaFold的蛋白质结构预测能力相结合。传统的分子对接模拟在计算药物分子与靶点蛋白的结合能时，依赖经典计算机的近似计算，精度有限。AlphaFold-Q则利用量子处理器直接模拟分子间的量子力学相互作用，将结合能的计算精度提升了约100倍。

辉瑞计算化学负责人Sarah Chen博士表示：「在传统流程中，我们先用AlphaFold预测蛋白质结构，再用经典计算机进行分子对接模拟。这个过程中的近似误差会让我们错过很多有潜力的化合物。AlphaFold-Q消除了这个瓶颈。」

在KRAS靶点的筛选中，AlphaFold-Q从约500万个候选化合物中筛选出23个高潜力先导化合物，其中7个在后续的体外实验中表现出纳摩尔级的抑制活性，命中率达到30.4%，远高于传统方法的2-5%。

但量子分子模拟的规模化应用仍面临量子比特数量的限制。目前AlphaFold-Q运行在IBM的1121量子比特处理器上，只能处理约200个原子规模的分子系统。对于更大的蛋白质-药物复合物，仍需要依赖经典-量子混合计算方案。DeepMind表示正在与Google Quantum AI合作，目标是在2030年前将可处理的分子规模扩大到2000个原子。