量子计算助力AI发现抗癌药物候选分子

创新技术如人工智能（AI）、机器学习和量子计算可以加速设计和发现用于对抗癌症的新药物。一项新发表在《自然生物技术》上的同行评审研究，由多伦多大学和Insilico Medicine领导，展示了如何通过利用量子计算，AI可以为以前无法药理学靶向的蛋白质创造抗癌分子。

“在我看来，量子计算目前的状态类似于2015到2016年生成式AI在化学中的状态，当时我的团队决定全力以赴，”Insilico Medicine的创始人兼首席执行官Alex Zhavoronkov表示，“我们知道这还很早；我们知道我们不会立即获得收益，但我们希望为自己和整个行业推动界限，特别是在我们最擅长的化学和生物学领域。”

全球癌症问题

根据《我们的世界数据》，癌症是全球第二大死亡原因，仅次于心血管疾病。根据美国癌症协会（ACS）发布的《全球癌症事实与数字第五版》，到2050年，预计全球癌症病例将达到3500万。大约五分之一的美国人将在其一生中患上癌症。

癌症是一系列疾病的统称，其中健康细胞由于不受控制的细胞增殖而变得癌变，并可能扩散。根据美国国家癌症研究所（NCI），癌症是由管理我们细胞的基因突变引起的遗传性疾病。基因突变是指DNA序列的变化。致癌基因是一种突变基因，具有引发癌症的潜力。

需要注意的是，尽管癌症是一种遗传性疾病，但这并不一定意味着它是家族性或遗传性的。事实上，根据NCI的数据，大多数（90％至95％）的癌症是由突变引起的，并且是非遗传性的（也称为自发性），生活方式和环境因素会影响癌症风险。例如，吸烟、烟草使用、某些感染、辐射和用于器官移植后的免疫抑制药物等因素已知会增加癌症风险。

什么是KRAS及其重要性？

在这项新研究中，由多伦多大学和Insilico Medicine领导的研究团队创建了一种混合量子-经典生成式AI算法，以生成针对KRAS（Kirsten ras致癌基因同源物）基因的小分子。KRAS基因属于一类被称为致癌基因的基因。当致癌基因发生突变时，它有可能引发癌症。20世纪80年代初，科学家们发现了第一个人类致癌基因。1982年，哈佛医学院研究员Channing J. Der和其他科学家在Geoffrey Cooper教授的实验室发表了关于Harvey和Kirsten肉瘤病毒在人类膀胱和肺癌中的作用的研究。

据美国国家癌症研究所估计，KRAS基因突变约占所有癌症的三分之一，并在90%的胰腺癌中被发现。根据2024年发表在《北美洲外科肿瘤学诊所》上的精确肿瘤学研究，KRAS基因突变还与40%的结直肠癌和32%的肺癌有关。

为什么选择量子计算？

新兴的量子计算领域有望比当今的经典计算（二进制计算）快数倍。经典计算使用二进制逻辑和比特（零和一）来处理信息。量子计算机应用量子力学解决复杂问题，并使用量子比特（qubits）存储和处理数据。量子比特不仅可以处于零或一的状态，还可以同时处于零和一的加权组合状态。

Zhavoronkov表示：“当我们于2017-2018年展示我们的第一个纠缠条件自编码器（ECAAE）和类似的实验时，没有人听我们的。然后，在2019年我们发布了生成张量强化学习（GENTRL）系统，并合成了和测试了第一批分子并在小鼠身上进行了测试，这为整个领域奠定了基础，许多人开始做同样的事情。这项量子工作类似于2018年的ECAAE。”

Zhavoronkov补充道：“在2026-27年，包括微软和亚马逊在内的许多超大规模公司将会拥有可扩展的量子计算机，并提供量子即服务。在中国，您已经可以购买商业服务的时间段。我们将密切关注这些集团，以确保我们的软件适合在量子计算机上进行药物发现应用。”

混合量子-经典AI

研究人员创建了一个结合量子辅助AI算法和经典计算LSTM算法的量子生成式AI模型。该团队生成了一个包含超过110万个分子的训练数据集，使用VirtualFlow从1亿个分子中筛选出25万个分子，并使用650个实验验证的KRAS抑制剂。研究人员使用他们的混合AI模型生成了新的候选分子以靶向KRAS，并使用Insilico Medicine的生成式AI引擎Chemistry42预测了前15个分子进行实验室评估，其中两个分子具有巨大的潜力成为未来的KRAS抑制剂。研究发现，他们的混合量子-经典模型优于经典模型，这是一个重要的概念验证。

“尽管我们的混合量子-经典模型在生成结构多样且可合成的类药物化合物方面优于传统机器学习模型，成功率提高了21.5%，但在这篇文章中，我们并没有声称我们比GPU更快、更便宜或更好，我们只是展示了这是可能的。”Zhavoronkov说道。

(全文结束)