预测药物与靶标蛋白的结合强度始终是制药研发中的主要瓶颈，亟需兼顾准确性与计算速度。inCerebro株式会社与韩国大学的法扎德·莫拉尼和阿特·E·乔提出了一种新型计算框架，显著加速了该过程。该方法协同融合量子力学、统计热力学和量子计算领域的先进技术，以无与伦比的效率模拟蛋白质-配体相互作用。该技术达到的精度可与现有方法相媲美，但计算成本远低于后者，同时将处理时间缩短约二十倍，为高通量药物发现和迭代设计循环提供了强大新工具。
量子力学与极小值挖掘技术助力结合亲和力预测
本文详细阐述了一种名为Qenergy-VM2的新型计算方法，旨在预测蛋白质-配体结合自由能以加速药物发现。该方法协同融合量子力学、统计热力学及潜在的量子计算技术，提升预测精度。Qenergy-VM2采用量子力学/分子力学（QM/MM）计算，并运用极小值挖掘技术探索配体与蛋白质的多种构象，增强结合能预测的可靠性。核心验证聚焦于分析残差以评估Qenergy-VM2协议的可靠性。
分析证实，误差呈正态分布、具有恒定方差且相互独立。结果表明Qenergy-VM2符合这些假设，确立了其预测能力。研究人员使用PySCF和Schrödinger软件进行计算，采用Karlsruhe基组及广适用原子电荷依赖的伦敦色散校正。这些工具组合证明Qenergy-VM2是预测蛋白质-配体结合自由能的稳健可靠方法，有望加速药物发现进程。
混合量子-经典结合自由能预测框架
科学家开发出新型混合量子-经典框架，以精准预测蛋白质-配体结合自由能——药物发现中的长期挑战。该方法融合极小值挖掘采样、经力学精修的配体部分电荷、QM/MM相互作用评估及基于变分量子本征求解器（VQE）的电子能校正，在保持计算效率的同时显式考虑极化、电荷重分布和电子关联效应。工作流程始于极小值挖掘采样以估算化学势，研究人员随后通过量子力学计算精修配体部分电荷，确保更精确的电子特性表征。
接着，团队采用QM/MM相互作用评估，以量子力学处理蛋白质-配体界面，以分子力学处理周围环境。最后，基于VQE的电子能校正进一步优化能量计算，利用量子计算原理提升精度。在23种蛋白质靶点和543个配体的测试中，该方法实现约1.10 kcal/mol的平均绝对误差，展现出强大的排序保真度：Pearson相关系数R=0.75，Spearman等级系数rho=0.76，Kendall tau系数=0.57。这些结果与当代自由能微扰（FEP）协议性能一致，但在标准计算资源上每配体仅需约25分钟，较传统炼金术自由能方法计算成本降低约20倍。这种效率使其特别适用于制药发现中的高通量先导化合物优化和迭代设计循环，并为整合机器学习模型进行大规模自适应筛选策略奠定基础。
Qenergy-VM2实现精准分子结合预测
科学家开发出新型计算方法Qenergy-VM2，显著提升预测分子与蛋白质结合强度的准确性与效率——这是药物发现的关键环节。结果显示，Qenergy-VM2在预测23种蛋白质靶点和543个配体的结合自由能时，实现约1.10 kcal/mol的平均绝对误差，标志着计算化学领域的重大突破。该方法整合多项先进技术优化传统分子力学计算：研究人员用量子力学计算导出的电荷替代标准力场分配的原子电荷，更真实地表征配体电子环境。
此外，团队采用基于统计热力学严格验证的"极小值挖掘"方法，识别并聚焦系统热力学上占主导地位的低能态，大幅降低计算需求。实验表明，Qenergy-VM2在标准计算资源上每配体仅需约25分钟，较炼金术自由能方法计算成本降低约20倍。该方法还展现出强大的排序保真度，Pearson相关系数0.75、Spearman等级系数0.76、Kendall tau系数0.57，表明其能准确预测不同配体的相对结合强度。通过融合量子力学增强与优化采样策略，Qenergy-VM2为制药发现中的高通量先导化合物优化和迭代设计提供强大新工具，并为未来整合机器学习模型、实现可预测的大规模自适应筛选策略奠定基础。
量子计算实现精准药物结合预测
研究人员开发出名为Qenergy-VM2的新计算框架，用于预测蛋白质与潜在药物候选分子的结合强度——药物发现的关键步骤。该方法融合量子力学计算、统计热力学和量子计算技术，更精准地表征传统方法常忽略的电子效应。在543个配体和23种蛋白质靶点的多样化测试集上，Qenergy-VM2预测结合自由能时实现约1.10 kcal/mol的平均绝对误差，且与实验数据呈现强相关性。
重要的是，该精度水平伴随显著降低的计算成本，每配体仅需约25分钟，比常规方法快约20倍。统计分析确认了预测能量的可靠性，并验证了协议的基本假设，确保结果稳定可靠。该框架的速度与精度使其既适用于优化现有药物候选物，也适用于开展大规模筛选活动以识别有前景的新先导化合物。作者承认Qenergy-VM2如同所有计算方法都存在固有局限，但全面的统计验证强化了其适用性。
【全文结束】
