英矽智能联手多伦多大学：量子计算+AI突破“不可成药”靶点KRAS

英矽智能联手多伦多大学：量子计算+AI突破“不可成药”靶点KRAS

引用

新浪网

等

7

来源

1.

http://finance.sina.com.cn/stock/med/2025-01-25/doc-inehcvcc4313868.shtml

2.

https://finance.sina.com.cn/roll/2025-01-23/doc-inefyeca3608955.shtml

3.

https://www.sohu.com/a/852404850_122118475

4.

https://news.bioon.com/article/99f8861019c0.html

5.

https://bydrug.pharmcube.com/news/detail/4c158d1bb6a07dce6f6102cfb2e587c0

6.

https://www.bjcancer.org/Html/News/Articles/19830.html

7.

http://www.genfleet.com/category40-110

2025年1月22日，英矽智能（Insilico Medicine）与多伦多大学联合研究团队在《自然-生物技术》期刊发表重磅研究成果，首次展示了量子计算与人工智能相结合在药物研发领域的巨大潜力。这一突破性进展不仅为靶向“不可成药”蛋白KRAS的药物研发开辟了新路径，更为未来新药开发提供了创新性技术方案。

KRAS蛋白是人类癌症中最常见的突变基因之一，约25%的肿瘤中都存在KRAS突变。这种突变会导致细胞增殖失控，进而引发癌症。然而，由于KRAS蛋白体积小、表面光滑，缺乏适合小分子结合的口袋，长期以来一直被视为“不可成药”的靶点。目前，美国FDA仅批准了两种针对KRAS突变的药物，且临床效果有限，仅能延长患者几个月的生命。

为攻克这一难题，研究团队创新性地将量子计算模型与经典计算模型及生成式人工智能相结合，开发出一种量子-经典混合框架模型。该模型由量子变分生成模型（QCBM）和长短期记忆网络（LSTM）组成，通过学习复杂的概率分布来生成与训练数据相似的新样本。

研究团队首先构建了一个包含110万种分子的定制数据集，其中包括650种已知的KRAS抑制剂。利用STONED-SELFIES算法生成85万种类似物，并通过VirtualFlow平台获得25万种分子数据，对混合模型进行充分训练。

经过训练的混合模型成功生成了100万种候选分子。研究团队进一步使用英矽智能的Chemistry42引擎对这些分子进行多维度评估，筛选出15种最具潜力的候选分子。最终，通过湿试验测试，发现了两种具有新颖结构且无显著细胞毒性的KRAS抑制剂。

其中，ISM061-018-2表现出优异的靶蛋白结合效力，不仅能抑制野生型KRAS，还能有效抑制五种常见突变型KRAS以及HRAS、NRAS，展现出作为泛RAS抑制剂的潜力。另一种化合物ISM061-022则在特定突变型KRAS（G12R和Q61H）上显示出更强的抑制活性。

这一研究突破不仅首次证明了量子计算在药物研发中的实际应用价值，更为解决“不可成药”靶点问题提供了新的技术路径。传统的药物筛选方法成本高、耗时长，而基于量子计算和AI的创新方法则能在云端完成大部分筛选工作，大大提高了研发效率。

然而，研究团队也指出，目前的成果尚处于早期阶段，不能断定量子计算发现的分子一定优于传统方法。随着量子计算机性能的提升，未来有望实现更强大的药物设计能力。

目前，研究团队正在将这一技术应用于更多“不可成药”蛋白的研究，并计划对已发现的苗头化合物进行进一步优化，以期在动物模型中验证其疗效。这一突破性研究为攻克癌症等重大疾病带来了新的希望，也预示着量子计算与AI结合在药物研发领域广阔的应用前景。