科学家的副业？利用AI和量子计算生成新型肽

# 科学家的副业？利用人工智能和量子计算生成新型肽 来源：https://www.wired.com/story/scientists-using-ai-and-quantum-computing-to-generate-new-peptides/ 科学家已成功证明，量子计算机（https://www.wired.com/story/quantum-computing-is-having-its-public-market-moment-quantinuum/）能够提升生成式人工智能药物发现模型（https://www.wired.com/story/wired-health-2026-how-ai-is-powering-drug-discovery-max-jaderberg/）的准确性和覆盖范围。而他们是如何做到的？利用的是其他项目剩余的时间和资金。 丹麦技术大学的研究团队将他们的蛋白质预测生成式AI模型，与英国初创公司ORCA Computing制造的一台打印机大小的量子计算机结合运行。通过将量子机器与传统处理器相连，该计算机加速了AI的运行速度。研究人员利用这种混合技术生成了新型肽——即短链氨基酸——这些肽能够与体内的特定蛋白质结合。这是疫苗研发中的关键一步。 据项目负责人、DTU教授Timothy Patrick Jenkins称，研究团队利用周末时间，并汇集了其他项目未用完的资金，因为“大多数创新科学对基金会来说都太冒险了”。 在实验室中制备这些肽，并测试它们是否能与特定蛋白质结合，结果显示，该模型生成的肽比传统模型更成功，尤其是在训练数据稀缺的情况下，效果提升最为显著。 研究团队认为，这种机器可以加速个性化免疫疗法和疫苗的研发，同时也能在较少受研究的人群中提高药物的疗效。 “我们需要真正证明这一点，让怀疑论者相信我们的预测与现实世界是相通的，”Patrick Jenkins告诉WIRED。量子计算仍是一个新兴领域（https://www.wired.com/story/quantum-computing-is-dead-alive/），由于建造这些机器并成功将其应用于解决问题（https://www.wired.com/story/q-day-apocalypse-quantum-computers-encryption/）的技术挑战，它面临着严格的审查。 甚至Patrick Jenkins最初也对这项技术持保留态度：“我曾是一个巨大的量子怀疑论者，”他笑着说，认为任何应用于他工作的技术都“还要等几十年”。 他和他的团队利用大数据和AI来发现能够更便宜、更快速解锁新免疫疗法的蛋白质，这些项目通常由诺和诺德基金会资助。虽然大多数生物学模型构建者渴望更多的数据，但他的团队面临的一个特殊挑战是缺乏关于人类全部遗传信息多样性的数据，因为大多数医学研究都集中在西方人群上。他说，这使得开发能够对亚洲和非洲等较少被研究人群起作用的肽变得困难。 他的团队假设，将量子计算机嵌入他们的工作流程中，可以使其生成更多样化的肽，尤其是针对他们数据较少的靶点，此前他们了解到量子机器在图像生成方面有类似的效果。 这一新发现的过程并不会立即彻底改变研究，因为量子计算机仍然太小，无法运行全尺寸、前沿的AI模型，这意味着在传统计算机上可能获得更好的结果。 “量子计算机仍然不够强大，所以我们能够编码的复杂程度并不像我们通常处理的正常大小的抗体，”DTU博士生Jonathan Funk说。此外，找到一种能与特定基因结合的肽只是疫苗研发中的一个步骤，单靠这一点并不能产生成功的药物。 “我认为很多工业公司认为量子计算机模糊且遥远，这并不奇怪，”ORCA Computing首席执行官Richard Murray告诉WIRED，部分原因是该技术“从未有过真正清晰的近期应用实例”。 他说，这项研究的新颖之处在于它展示了量子在近期的商业应用可能性。他的公司也在通过项目应用这项技术，例如与石油巨头BP合作进行化学研究，与汽车制造商丰田合作以提高其设计流程的效率。 DTU团队现在将观察是否能够将该工作流程应用于更先进的模型和更大的蛋白质。“我们需要一个简单的方法来验证我们现在确实有机会大幅改变现状，”Patrick Jenkins说，他指出生成式AI工作流程在那些研究资金匮乏的忽视疾病中尤其有价值。他也在考虑利用量子计算机来增强他的生成式AI方法，用于设计合成抗蛇毒血清（https://www.nature.com/articles/s41586-024-08393-x）。