💡
原文中文，约2700字，阅读约需7分钟。
📝
内容提要
英矽智能与多伦多大学的研究首次展示了量子计算与人工智能在药物发现中的潜力，成功识别出新型KRAS抑制剂。研究结合量子与经典模型，筛选出15种候选分子，其中2种表现优异，为“不可成药”蛋白的药物开发提供了新思路。
🎯
关键要点
- 英矽智能与多伦多大学的研究首次展示量子计算与人工智能在药物发现中的潜力。
- 研究成功识别出新型KRAS抑制剂，结合量子与经典模型筛选出15种候选分子。
- KRAS突变是癌症中常见的突变，影响约四分之一的人类肿瘤。
- 目前仅有两种针对KRAS突变的药物获得FDA批准，临床效果有限。
- 研究提出量子-经典混合框架模型，结合量子变分生成模型与长短期记忆网络。
- 通过训练包含110万种分子的定制数据集，生成了100万种候选分子。
- 使用生成式人工智能引擎Chemistry42对分子进行多维度评估，筛选出15种候选分子。
- 经过实验测试，ISM061-018-2和ISM061-022表现出优异的抑制活性。
- 研究表明量子计算可以加速药物发现，但未证明其发现的分子比经典方法更有效。
- 研究团队计划将混合模型应用于其他“不可成药”的蛋白，进一步优化KRAS抑制剂。
❓
延伸问答
英矽智能与多伦多大学的研究主要探讨了什么技术在药物发现中的应用？
研究主要探讨了量子计算与人工智能在药物发现中的应用。
KRAS突变在癌症中有多普遍？
KRAS突变出现在大约四分之一的人类肿瘤中。
研究中筛选出的候选KRAS抑制剂有多少种？
研究中筛选出了15种候选KRAS抑制剂。
研究中表现优异的KRAS抑制剂有哪些？
表现优异的KRAS抑制剂包括ISM061-018-2和ISM061-022。
量子-经典混合模型的主要组成部分是什么？
量子-经典混合模型主要由量子变分生成模型和长短期记忆网络组成。
研究团队计划如何进一步应用混合模型？
研究团队计划将混合模型应用于其他“不可成药”的蛋白，并进一步优化KRAS抑制剂。
➡️
