量子科技中心_量科网

定量构效关系（QSAR）建模是计算药物发现领域的基石。该研究展示了一种量子多核学习（QMKL）框架的成功应用，用于增强QSAR分类，显示出相较于传统方法的显著性能提升。研究人员将该方法应用于识别DYRK1A激酶抑制剂的数据集，其工作流程包括：将SMILES分子表达式转化为数值化分子描述符，通过主成分分析（PCA）进行降维，并采用支持向量机（SVM）——该模型基于量子与传统混合核函数的优化组合进行训练。通过将QMKL-SVM模型与经典梯度提升模型进行基准测试，该团队证明量子增强方法获得了更优的AUC评分，凸显了其在具有挑战性的化学信息学分类任务中提供量子优势的潜力。