药物设计迎来量子计算时代：腾讯携手医图生科发布最新重要成果

量子位的朋友们 2024-07-30 09:28:15 来源：量子位

近日，医图生科（苏州）生命科学技术有限公司联合腾讯量子实验室，中国药科大学，宁波工程学院正式发表题目为《A hybrid quantum computing pipeline for real world drug discovery 》（一个面向真实世界药物发现的混合架构量子计算框架）论文。 该研究案例中，团队创新的构建了经典+量子混合编程框架，并将其应用在了完成临床前动物实验以及经过临床验证的两个真实世界药物设计环节中，观察到了量子计算机在药物设计应用方面的巨大潜力和商业价值。研究团队认为随着量子计算机硬件能力的提升，未来量子计算会给该行业带来巨大的变革机会。（论文地址：https://www.nature.com/articles/s41598-024-67897-8）

此次量子计算应用于药物设计的研究成果，不仅为医图生科在新药研发领域树立了新的里程碑，也为整个医药行业带来了新的希望。随着量子计算的逐步成熟和应用，将为未来药物研发带来更加高效和精确的解决方案，推动医药行业的持续创新与发展。

在此次合作之前，医图生科作为一个以AI技术为驱动的创新药管线研发团队，核心工作背景是使用计算技术驱动，完成药物从靶点发现，结构设计，药物合成，以及实验验证的完整闭环。在新药研发的设计工作中，需要大量借助AI与计算工具完成相关挑战。

在进行基于靶点（通常来说是一种对于疾病具有相关调控作用的蛋白质）的结构进行设计时，团队首先会利用蛋白质结构数据，计算工具以及AI方法，进行药物结构的筛选或从头生成。完成基础的结构设计后，需要针对所选择调控的靶点本身的生物特性，组织器官环境进行结构优化。 最终，通过QM/MM（quantum mechanics/molecular mechanics 量子力学/分子力学）的方法进行计算模拟药物与生物的交互反应。 完成所有计算设计任务后，会将评估通过的药物结构进行合成（或提取），并针对具体的问题进行实验验证与确认。

然而，在这个过程中，有一个关键性的问题直接对整体流程的耗时带来了严重的制约—药物结构优化与QM/MM环节—这需要通过计算化学的方法来评估药物结构的各种特性。 随着计算机行业与AI技术的持续发展，业内开始逐渐地出现使用近似以及AI学习的方法来进行该问题的加速求解，并初步看到了一些成果。然而，这些方法都特别依赖问题的具体应用场景，如果想彻底将该问题在工程实践领域找到一个通用的可行方法，从理论上来说，必须采用一种对于高维信息的处理具有天然的匹配特性的新型解决方案，量子计算机便成为了一种可能的方向。

医图生科作为一家长期致力于将最前沿的计算技术应用于药物设计的公司，公司CEO李翛然认为，在未来量子计算可能出现的巨大的变革时代，医图生科一定要以积极开放的态度，和全世界最优秀的团队合作，来寻找AI+量子计算在生物领域的最大可能性。因此，医图生科的研究团队与腾讯量子实验室，中国药科大学，宁波工程学院的研究人员经过充分沟通，共同发起了此次的案例研究。

此次研究项目旨在探索量子计算在药物分子动力学模拟、化学反应区域电子结构描述、药物筛选及优化等方面的潜力，并验证其在实际药物设计中的可行性。期待在生物医药领域的应用中，看到量子计算可能带来的巨大潜力。

在与腾讯量子实验室开展本次研究之前，团队也注意到目前行业内对于量子计算的实际应用能力存在诸多争论。在充分与多方研究人员充分讨论后，定下了本次研究案例的合作目标：

1. 必须选择真实世界的药物设计问题，且该问题一定要经过药物领域的严格实验来完成药物设计有效性的检验。这样才能验证，在量子计算机存在的可能误差情况下，到底是否为生物体系下可以允许出现的范围。

2. 需要对于同样的问题，进行经典芯片和真实量子计算机的横向对比测试，用以观察量子计算在计算结果的绝对准确度与性能，究竟与经典芯片的差距如何，以及可能的性能优势。

3. 使用Python（AI行业使用最多的编程语言），作为主要的编程代码，并最终将代码与试验结果开源，用以为后续的研究者提供一个可供对比的性能测试基准与测试数据集。

本次研究过程中，团队使用了性能较优的超导量子芯片（平均门操作保真度为 99.95%（单）、99.37%（双））构建2比特量子计算机，并且采用关键的编程工具TenCirChem，完成量子计算机与经典计算机的混合编程框架。

作为性能对比，纯经典计算机采用了医图生科的GPU服务器，配置为Intel(R) Xeon(R) Gold 5220 CPUs (72 cores, 144 threads total, 2.20 GHz base frequency), 6 NVIDIA A100-PCIe GPUs。

为了达到实验目的，研究团队还选取了前药设计（Prodrugs）和KRAS G12C突变抑制剂，两个具体案例进行分析，创新性地针对量子混合计算架构的特点进行有效适配，完成了相关计算与结果验证。

最终，得到了一些很有想象力的结果：

1、计算精确性方面，发现量子混合计算所产生的误差在实际的药物设计场景中是可以接受的。具体而言，量子混合计算机在薛定谔方程求解方面已经能够达到经典计算机的任务目标。更为重要的是，其计算误差落在特定生物系统允许的误差范围内。

2、性能分析结果表明，在这两个案例中，相比于纯经典芯片，量子和经典芯片混合算法的耗时增幅较小。混合量子计算在这类计算任务中，随着原子数量的增加，最终将展示接近顶级传统芯片的运算速度。因此，我们有理由相信在未来的各类试验中，在规模合适的情况下，量子混合计算的解决方案有能力完成商用可期待的目标。

3、研究团队在本次合作中，构建了开源的混合芯片编程框架，并提供了量子计算与经典计算对比的性能参数比较基准。该框架不仅为后续研究者提供了极具价值的参考和工具栈，同时大大简化了量子计算在药物设计中的流程，降低了其使用难度。作为同样将量子计算列为计算范式的研究伙伴可以利用该编程框架适配自己的量子硬件，对比分析目前不同量子计算机的算力差距与发展速度。团队希望这一框架具有足够的弹性，融合量子计算和经典计算的优势，在未来为药物设计、AI及量子计算的研究人员带来一个全新的工具参考。

医图生科认为，在当前阶段的药物设计领域，量子计算已成为可作为生产工具的重要创新性手段。相信在不远的未来，随着硬件性能的进一步提升，量子计算机在该领域将带来更多创新的革命性成果。后续医图生科会进一步加强与腾讯量子实验室的合作，并共同完成量子计算的商业化运转。

团队将不遗余力的发挥计算特色优势，加大在AI+量子计算在药物研发中的投入，通过不断优化算法和硬件，始终坚持交付经过充分理性设计与试验验证的生物科技产品，最终实现打造全球领先的BT与IT相融合的创新药研发平台，汇集顶尖人才和技术资源，推动药物研发的商业化进程的目标。