Gero是一家专注于衰老和长寿的人工智能驱动生物技术公司，它已经证明了将量子计算应用于药物设计和生成化学的可行性，这为医疗保健的未来带来了巨大的希望。这项发表在《科学报告》上的研究概述了如何使用混合量子经典机器学习模型来连接经典和量子计算设备，其目标是为潜在药物生成新颖的化学结构——这是行业首创。
这篇研究论文是在 Gero 最近取得的进展之后发布的，当《大众力学》上发表了一篇声称人类可以阻止但不能完全逆转衰老的故事时，这引发了科学界长寿专家的激烈讨论。今年早些时候，Gero 宣布与辉瑞达成一项靶点发现协议，Gero 的机器学习技术平台将用于利用大规模人体数据发现纤维化疾病的潜在治疗靶点。
在这项新的研究中，研究小组探索了混合生成人工智能系统(一种与商用量子硬件结合使用的深度神经网络)是否可以提出合成可行且具有类似药物特性的独特化学结构。
需要新的计算方法
所有可能的类药物分子的巨大结构空间对药物发现提出了巨大的挑战。现实中类药物分子的数量估计在 10^23 到 10^60 之间，并且仅合成了大约 10^8 种物质。这种尚未开发的分子景观可能成为未来改变目前无法治愈的年龄相关疾病和衰老本身的治疗方法的关键。然而，这个未知的化学多样性空间的规模和复杂性需要创新工具来选择新颖的、具有生物活性的、同时可合成的分子，等待转化为未来的药物。
Gero 首席执行官 Peter Fedichev 表示：“这些突破为药物发现过程的急剧加速铺平了道路。药物设计处于经典现象和量子现象领域的交叉点，需要同时确定药物的量子特性。 “类分子及其对经典物理学描述的生命系统的影响。这就是为什么量子计算将显着增强我们为最具挑战性的疾病和状况(包括衰老本身)开发变革性治疗方法的能力。”
拥有广泛专业知识的研究人员团队
研究团队由不同领域的领先专家组成，包括物理学、现代机器学习、生成模型、量子物理学和药物设计。正如论文《用于生成化学和药物设计的混合量子经典机器学习》中所述，研究人员开发了一种混合模型，该模型结合了紧凑型离散变分自动编码器(DVAE，一种生成化学算法)，其形式可以在现有状态上运行最先进的量子设备称为 D-We 量子退火器。
所提出的系统是一种混合量子/经典生成模式，经过训练可以从类药物和合成可用分子的分布中进行采样。训练完成后，系统可以在生成模式下运行，并建议 2,331 种具有生物活性化合物典型特性的新颖化学结构。令人鼓舞的是，生成的分子中只有不到 1% 与训练集中的任何分子具有高度相似性，这表明生成的化合物具有高度的新颖性。
实现量子计算在药物发现中的潜力
用于药物发现的量子算法和混合量子经典机器学习模型的发展可以显着推进药物化学领域的发展。由于可能的类药物分子的巨大结构空间对经典计算提出了重大挑战，因此量子计算可能提供一种更有效的方法。分子是典型的量子物体，因此量子计算机自然适合解决复杂的量子化学问题。而且，根据科学研究的结果，该团队现在确信量子算法可以增强药物设计中的机器学习，并且有可能演变成最终的生成化学算法。
随着量子硬件的成熟，网络的特定组件可以转换为完全量子对应的组件，从而有可能将系统转变为可以从更丰富的非经典分布中采样的量子 VAE (QVAE)。这最终可能会加快系统的训练速度，有可能使量子增强生成模型在药物设计应用中更加有效。
标签：