加速药物发现的协同计算方法：整合量子力学、统计热力学与量子计算
化学物理
2025-12-09 v1 定量方法
量子物理
摘要
准确预测蛋白质-配体结合自由能(BFE)仍然是药物发现中的核心挑战，特别是因为最可靠的方法（如自由能微扰(FEP)）计算密集且难以扩展。这里，我们引入了一个混合量子-经典框架，将 Mining Minima 采样与量子力学精修的配体部分电荷、QM/MM 相互作用评估以及变分量子本征求解器(VQE)基电子能量修正相结合。该设计实现了对极化、电荷重分布和电子关联效应的显式处理，而这些效应在纯经典打分方案中常被低估，同时保持了计算效率。在 23 个蛋白质靶点和 543 个配体上，该方法实现了约 1.10 kcal/mol 的平均绝对误差，并具有很强的排序保真度（Pearson R = 0.75，Spearman rho = 0.76，Kendall tau = 0.57），与当代 FEP 协议的性能一致。值得注意的是，该工作流在标准计算资源上每个配体仅需约 25 分钟，相比炼金术自由能方法实现了约 20 倍的计算成本降低。这一准确性和效率水平使其非常适合药物发现中的高通量先导化合物优化和迭代设计循环。该框架还为未来与机器学习模型的集成提供了自然基础，以实现预测性、大规模和自适应筛选策略。
引用
@article{arxiv.2512.06141,
title = {Synergistic Computational Approaches for Accelerated Drug Discovery: Integrating Quantum Mechanics, Statistical Thermodynamics, and Quantum Computing},
author = {Farzad Molani and Art E. Cho},
journal= {arXiv preprint arXiv:2512.06141},
year = {2025}
}