量子科技中心_量科网

精准预测蛋白质-配体结合自由能（BFE）仍是药物研发的核心挑战，尤其因为最可靠的方法（如自由能微扰法FEP）计算量巨大且难以规模化。该研究团队提出了一种量子-经典混合框架，整合了“采矿极小值”采样技术、量子力学优化的配体部分电荷、QM/MM相互作用评估，以及基于变分量子本征求解器（VQE）的电子能量校正。该方案能显式处理纯经典评分方法常低估的极化效应、电荷重分布和电子关联效应，同时保持计算效率。在23个蛋白质靶点和543个配体的测试中，该方法平均绝对误差约1.10 kcal/mol，并展现优异的排序相关性（皮尔逊R=0.75，斯皮尔曼rho=0.76，肯德尔tau=0.57），与当代FEP方案性能相当。值得注意的是，该流程在标准计算资源下仅需约25分钟/配体，相较炼金自由能方法降低约20倍计算成本。这种精度与效率使其特别适合药物研发中的高通量先导化合物优化和迭代设计循环。该框架还为未来整合机器学习模型奠定了自然基础，有助于实现预测性、大规模、自适应的筛选策略。