多伦多大学的研究人员表示，他们的研究表明量子计算机可以融入由人工智能驱动的药物发现管道中。
化学和计算机科学教授阿尔·阿斯普鲁-古兹克（Alán Aspuru-Guzik）表示，他与多伦多大学的伊戈尔·斯塔格利亚尔（Igor Stagljar）共同领导的研究团队展示了AI和量子计算技术在寻找新药物靶点方面的潜力（照片由Nick Iwanyshyn提供）。
这项由多伦多大学研究人员和Insilico Medicine联合领导的研究展示了量子计算和人工智能在改变药物发现管道方面的潜力。研究结果发表在《自然生物技术》杂志上，研究人员结合了量子计算和生成式AI与经典计算方法，创造出针对一种名为KRAS的癌症驱动蛋白的新分子，该蛋白此前被认为是“不可成药”的。
“现在是在化学、量子计算和AI交叉领域工作的激动人心的时刻，”项目负责人阿尔·阿斯普鲁-古兹克说。他是多伦多大学艺术与科学学院化学和计算机科学系的教授，也是加速联盟（Acceleration Consortium）的主任，这是多伦多大学的一项战略机构倡议。“这项首创的研究表明，AI在量子计算机的帮助下，可以成功找到与生物靶点相互作用的分子。”
量子计算机的渲染图（照片由Canva提供）
KRAS基因突变会驱动不受控制的细胞生长，在大约四分之一的人类癌症中存在，但尽管其普遍性和影响，目前只有两种FDA批准的药物专门针对突变的KRAS。此外，临床数据显示现有药物只能比传统化疗延长几个月的生命，这突显了改进KRAS靶向疗法的迫切需求。
为了发现针对KRAS的潜在新药物，研究人员将量子计算机与经典计算方法结合，设计新的分子。他们通过首先用一个包含110万种分子的自建数据集训练模型进行优化，其中包括650种实验验证可阻断KRAS的分子和通过开源超大型虚拟筛选平台VirtualFlow获得的25万种分子。
接下来，研究团队使用Insilico Medicine的生成式AI引擎Chemistry42筛选这些分子，确定了15个最有希望的候选分子进行实验室测试。在这15个分子中，有两个分子因其在活细胞中靶向多种不同版本的突变KRAS的强大能力而脱颖而出，显示出其作为抗癌药物的潜力。
“通过这种计算方法，我们有可能将药物发现的临床前阶段缩短数年，”该研究的共同调查员、多伦多大学特默蒂医学院唐纳利中心的生物化学和分子遗传学教授伊戈尔·斯塔格利亚尔说。
传统的药物发现方法依赖于测试现有化合物库以找到对特定目标蛋白有活性的化合物。但这些方法成本高昂、耗时且操作困难。
“当你可以在云端筛选一切时，就容易多了，因为不需要物理空间来存储化学库和机器人来进行大规模筛选，”斯塔格利亚尔说。
虽然研究人员的结果展示了量子计算加速药物发现早期阶段的潜力，但他们并未证明这种方法发现的分子比通过经典方法识别的分子更有效。
“即使我们展示了量子计算机可以帮助药物发现，但这并不意味着它在任务上比经典计算机更好，”阿斯普鲁-古兹克说，他也是Vector研究所的成员。“这是一项概念验证研究，但并没有显示出显著的量子优势。
“这篇论文表明量子计算机可以融入现代加速的AI驱动药物发现管道中。随着量子计算机性能的提高，我们的算法有望表现得越来越好。”
该项目由阿斯普鲁-古兹克和斯塔格利亚尔团队的穆罕默德·加齐·瓦基利（Mohammad Ghazi Vakili）和杰米·斯奈德（Jamie Snider）领导，以及圣犹达儿童研究医院的克里斯托夫·戈尔拉（Christoph Gorgulla）参与。
在KRAS研究取得成功的基础上，研究人员现在正在将其混合量子-经典模型应用于其他“不可成药”的蛋白质靶点——结果令人鼓舞。与KRAS一样，这些蛋白质通常较小，缺乏允许药物轻易结合的表面轮廓。
该团队还使用其混合模型优化了针对KRAS的两个最佳候选分子的设计，目标是将这些化合物推进到进一步的临床前测试。
多伦多大学与Insilico Medicine的合作由加速联盟促成，该联盟汇集了学术界、工业界和政府，利用AI和自动化加速广泛材料和分子的发现。
“多达85%的人类蛋白质被认为‘不可成药’，”该研究的合著者、Insilico Medicine创始人兼首席执行官亚历克斯·扎沃龙科夫（Alex Zhavoronkov）说。“这是开发新型癌症治疗的重大挑战，而AI在这方面具有独特的优势。”
“多伦多大学与Insilico Medicine的合作是一个很好的例子，展示了初创企业和大学生态系统如何利用我们集体的专业知识，推动所有人健康的进步。”
这项研究得到了加拿大150研究主席计划、加拿大卫生研究院、囊性纤维化加拿大、国防部高级研究计划局、基因组加拿大、自然资源加拿大、安大略基因组研究所和安大略研究基金的资金支持。加速联盟的研究得到了加拿大第一研究卓越基金的支持。
(全文结束)
