利用计算量子特征进行数据驱动的靶向共价抑制剂反应性预测以用于药物发现
量子物理
2023-07-20 v1
摘要
我们提出了一种在数据驱动流程中将新颖分子特征与实验数据相结合的方法。该方法被应用于预测一系列磺酰氟分子片段反应性的挑战，这些片段用于靶向共价抑制剂的药物发现。我们展示了利用从如下工作流提取的特征预测反应性的效用：该工作流采用密度矩阵嵌入理论对反应性弹头进行量子嵌入，随后从初始参考态对所得片段模型进行哈密顿量模拟。我们发现，在研究更大的活性空间与更长的演化时间时，这些预测有所改善。所计算的特征形成了一种“量子指纹”，可据此围绕弹头性质对分子进行聚类。我们指出该量子指纹非常适于在未来量子计算硬件上进行可扩展计算，并探索了使用误差缓解与抑制技术在当前量子硬件上获取结果的方法。我们进一步讨论了这一通用框架如何应用于更广泛的一系列存在未来量子效用潜力的挑战。
引用
@article{arxiv.2307.09671,
title = {Data-driven reactivity prediction of targeted covalent inhibitors using computed quantum features for drug discovery},
author = {Tom W. A. Montgomery and Peter Pogány and Alice Purdy and Mike Harris and Marek Kowalik and Alex Ferraro and Hikmatyar Hasan and Darren V. S. Green and Sam Genway},
journal= {arXiv preprint arXiv:2307.09671},
year = {2023}
}