首例，量子AI生成可行的癌症候选药物

刚刚，量子人工智能公司Zapata Computing, Inc.（简称Zapata AI）宣布，在与Insilico Medicine、多伦多大学和圣裘德儿童研究医院的合作下，取得了量子增强AI在药物发现领域的重大突破。

研究者们成功展示了利用量子硬件运行的生成模型实例，在生成可行的癌症候选药物方面，超越了现有最先进的传统模型。

01.量子硬件与传统AI模型的较量

在这项研究中，研究人员利用生成式AI开发了新型 KRAS 抑制剂，由于其固有的生化特性，KRAS 是癌症治疗中历来被认为 "不可药用 "的关键重点。

研究人员在经典硬件、量子硬件（主要是 16 量子比特的 IBM 设备）和模拟量子硬件上运行的生成模型分别生成了一百万个候选药物，然后通过算法和人工进行筛选，最后合成出 15 种分子，并通过细胞检测进行测试。

结果显示，量子增强AI模型生成的两种分子不仅与现有的KRAS抑制剂有所区别，还表现出了更优越的结合亲和力。

相关研究以“Quantum Computing-Enhanced Algorithm Unveils Novel Inhibitors for KRAS”为题已提交到 arxiv[1]。

图｜KRAS 配体开发的混合量子经典框架的示意图。初始阶段的重点是编译模型训练的数据集。从文献中提取了一组经过实验验证的 650 种针对 KRAS 蛋白的抑制剂。通过应用 STONED-SELFIES 算法，可以衍生出每种已识别化合物的类似物，从而产生约 850,000 种化合物的扩展集合。通过添加前 250,000 个候选药物，该数据集得到了进一步增强，这些候选药物是通过使用针对 KRAS 蛋白的 REAL 配体库的虚拟筛选过程进行鉴定的，最终形成了包含超过 100 万个分子的数据集，用于训练器生成模型。完成模型的训练后，使用经典 LSTM 网络和量子电路生成机 (QCBM) 作为底层生成框架，创建了针对 KRAS 的新分子。LSTM 网络处理封装配体化学结构的顺序数据，而 QCBM 根据 LSTM 生成的样本质量进行训练，创建复杂的高维概率分布。组合的工作流程利用 Chemistry42 作为奖励函数来激励结构多样化且可合成的分子的创建。

图｜用于药物发现应用的量子增强生成模型。(A) 将量子线路诞生机 (QCBM) 与长短期记忆 (LSTM) 相结合的混合模型。该模型使用量子硬件的先前样本进行迭代训练。(B) 将先前样本集成到 LSTM 架构中的方法。分子信息（以自拍编码）和量子数据通过加法或串联合并。然后将所得样本 X ′ (t) 输入到 LSTM 单元。(C) 量子先验组件被描述为 QCBM，在每个训练时期从量子硬件生成样本，并使用奖励值 P(x) = Softmax(R(x)) 进行训练，该奖励值使用 Chemistry42 或本地滤波器计算。(D) 实验样本选择过程：从每个模型中抽取 100 万个化合物——经典样本（通过普通 LSTM）、量子样本（量子硬件上的 QCBM）和模拟样本（经典硬件上的量子模拟）。这些样品经过 Chemistry42 评估，过滤掉不适合药理学目的的化合物，并根据对接分数（PLI 分数）对剩余化合物进行排名。随后，筛选出15个新化合物进行合成。

02. 跨界合作促进科技进步

这项研究不仅是量子与传统计算互补的佳例，也展示了初创企业与大学生态系统如何利用彼此的优势推动进步。正如Zapata AI的首席技术官Yudong Cao所说，这项跨界合作是一个典范，未来将进一步探索这些发现的分子，并将这些方法应用于其他疾病目标。

与此同时，Zapata AI与量子计算公司D-Wave Quantum Inc.（NYSE: QBTS）建立了新的战略合作伙伴关系，共同构建量子生成AI模型，加速新分子的发现。

Zapata AI 首席执行官兼联合创始人 Christopher Savoie 表示：“这只是一个开始。这与我们与 D-Wave 合作中开发成商业产品的技术相同，鉴于 Zapata 的生成式 AI 技术和 D-Wave 的商业成熟度，我们希望能够迅速将其推向市场。我们期待扩大这项研究，以发现用于药物发现和其他工业应用的新分子。”

03. 量子AI在未来药物发现中的角色

Zapata AI 首席执行官兼联合创始人 Christopher Savoie 表示：“有史以来第一次，我们能够利用量子增强生成人工智能来生产真正有效的药物先导分子。”

多伦多大学的化学和计算机科学教授Alán Aspuru-Guzik表示，这项研究为更强大的未来量子计算机在药物发现过程中集成量子计算模块铺平了道路。虽然目前所有的工作仍可由传统计算机完成，但这标志着向未来更有力量子计算机展示其能力的第一步。

引用：

[1]https://arxiv.org/abs/2402.08210

[2]https://www.businesswire.com/news/home/20240220020899/en/For-the-First-Time-Quantum-Enhanced-Generative-AI-Generates-Viable-Cancer-Drug-Candidates

[3]https://zapata.ai/news/zapata-foxconn-insilico-medicine-university-toronto-quantum-generative-ai-for-drug-discovery/

声明：此文出于传递更多信息。若有错误或侵权，请联系