多伦多大学和英矽智药（Insilico Medicine）的研究人员开发出一种结合量子计算和人工智能的方法，致力于设计新型抗癌药物。该研究主要针对KRAS蛋白，这种蛋白质是25%人类癌症的关键驱动因素，在胰腺癌中的突变率更是高达90%。由于KRAS蛋白表面光滑，缺乏合适的结合位点，长期以来被视为"难成药"靶点。
研究团队采用混合量子-经典模型来生成潜在的KRAS抑制剂。该模型在110万个分子的数据集上进行训练，包括650个经实验验证的KRAS抑制剂和25万个来自开源虚拟筛选平台VirtualFlow的分子。研究人员运用英矽智药的生成式人工智能引擎Chemistry42对这些分子进行筛选，最终确定了15个最具潜力的候选分子进行实验室测试。
在实验室测试中，两个候选分子展现出显著效果，能够在活细胞中有效靶向多种KRAS突变形式，显示出作为抗癌药物的巨大潜力。这是首次使用量子生成模型成功获得经实验确认的生物活性分子，证实了量子辅助药物发现的实际应用价值。研究还发现模型学习效果与量子比特数量密切相关，表明量子计算资源具有良好的可扩展性。
项目主任阿兰·阿斯普鲁-古兹克（Alán Aspuru-Guzik）表示："这是化学、量子计算和人工智能交叉领域的重要突破。"虽然这仍是一项概念验证研究，尚未显示出相对于传统方法的显著优势，但随着量子计算技术的进步，这种方法有望加速新药研发，特别是针对传统认为"难成药"的靶点。目前，研究团队正计划将这一模型应用于其他具有挑战性的蛋白质靶点，并进一步优化针对KRAS的两个先导化合物，开展更深入的临床前测试。
