如何使用量子计算机计算生分子自由能

自由能计算是基于物理的生化过程分析的核心。它们允许我们量化分子识别机制，这决定了从细胞如何发送和接收信号到药用化合物如何用于治疗疾病的广泛生物现象。定量且可预测的自由能计算需要能够准确捕捉分子之间复杂电子相互作用以及这些分子及其水溶性环境中运动贡献的熵的计算模型。然而，只有针对小型原子级模型才能获得准确的量子力学能量和力，无法应用于大型生物大分子。本文演示了如何通过机器学习将针对亚结构获得的准确量子力学数据，一致地链接到生物大分子复合物的总势能中的集成算法。我们采用两种量子嵌入策略，其中最内层的量子核心以非常高的准确度处理。我们展示了该方法对于铬基抗癌药物与其蛋白靶标之间的分子识别的可行性，应用了传统量子化学方法。由于这些方法随系统规模不利地扩展，我们分析了量子计算机提供高度准确能量对最终自由能产生影响的要求。一旦满足这些要求，我们的计算管道 FreeQuantum 就能够高效地利用量子计算得到的能量，从而实现量子计算增强的生化过程建模。这一方法将量子计算机用于模拟相互作用电子的指数级加速与包含机器学习来建模大分子的现代经典仿真技术相结合。