量子计算增强算法揭示 KRAS 的新型抑制剂
量子物理
2024-02-14 v1 计算工程、金融与科学
计算机科学与博弈论
机器学习
摘要
发现具有治疗潜力的小分子是化学和生物学中长期存在的挑战。研究人员越来越多地利用新颖的计算技术来简化药物开发过程，以提高命中率并降低将药物推向市场的成本。为此，我们引入了一种量子-经典生成模型，该模型无缝集成了在 16 量子比特 IBM 量子计算机上训练的量子算法的计算能力与经典方法在设计小分子方面的既定可靠性。我们的混合生成模型被应用于设计新型 KRAS 抑制剂，这是癌症治疗中的一个关键靶点。在研究中，我们合成了 15 种有前景的分子，并对其进行实验测试以评估它们与靶点结合的能力。值得注意的是，在这些候选分子中，两种具有独特骨架的分子 ISM061-018-2 和 ISM061-22 表现出与 KRAS 的有效结合。ISM061-018-2 被鉴定为广谱 KRAS 抑制剂，对 KRAS-G12D 的结合亲和力为 1.4 μM。同时，ISM061-22 表现出特定的突变选择性，对 KRAS G12R 和 Q61H 突变体显示出更高的活性。据我们所知，这项工作首次展示了使用量子生成模型产生经实验确认的生物活性命中化合物，展示了量子辅助药物发现产生可行治疗药物的实际潜力。此外，我们的发现表明分布学习的效率与所使用的量子比特数量相关，突显了量子计算资源的可扩展性潜力。总体而言，我们预计我们的结果将成为在药物发现中开发更先进量子生成模型的垫脚石。
引用
@article{arxiv.2402.08210,
title = {Quantum Computing-Enhanced Algorithm Unveils Novel Inhibitors for KRAS},
author = {Mohammad Ghazi Vakili and Christoph Gorgulla and AkshatKumar Nigam and Dmitry Bezrukov and Daniel Varoli and Alex Aliper and Daniil Polykovsky and Krishna M. Padmanabha Das and Jamie Snider and Anna Lyakisheva and Ardalan Hosseini Mansob and Zhong Yao and Lela Bitar and Eugene Radchenko and Xiao Ding and Jinxin Liu and Fanye Meng and Feng Ren and Yudong Cao and Igor Stagljar and Alán Aspuru-Guzik and Alex Zhavoronkov},
journal= {arXiv preprint arXiv:2402.08210},
year = {2024}
}