量子计算加人工智能联手造肽，科学家利用业余时间完成药物候选分子设计
一个跨越三个时区的研究团队在过去八个月里用业余时间完成了一项正式实验室通常需要数年才能完成的工作：利用量子退火算法和大语言模型联合设计了七种新型抗菌肽。研究论文上周在《自然·计算科学》发表，其中两种候选分子已经通过初步体外活性测试。
团队构成本身就带有非典型特征。五位核心成员分别就职于谷歌量子 AI 实验室、牛津大学物理系和一家位于新加坡的生物技术创业公司，合作全部通过视频会议和代码仓库进行，没有任何正式的经费支持。项目最初是发起人在个人笔记本电脑上运行的一个量子退火实验，后来被同事们加入蛋白质工程知识后逐渐发展成一个完整的研究项目。
技术路线的核心是把量子退火的优化能力和大语言模型的生化知识结合起来。谷歌的量子退火处理器负责在巨大的序列空间里搜索可能的肽链构型，大语言模型负责对这些构型进行药理可行性评分和毒性预测。两个系统的输出在一个循环里反复迭代，大约七轮后就能收敛到一批高潜力的候选分子。整个过程不需要传统药物研发中昂贵的高通量筛选。
抗菌肽本身不是新概念，它们是自然界免疫系统产生的一类短链蛋白，对多种耐药菌都有杀伤力。难点在于天然抗菌肽通常稳定性差、在人体内容易被酶降解，工程化改造的成本和失败率都很高。团队的贡献是把搜索范围从传统的实验筛选缩小到了量子计算可以直接优化的参数空间，然后用大语言模型快速过滤掉毒性和免疫原性不合格的方案。
产业层面的背景是抗菌药物研发在过去二十年里基本处于停滞。大型药企普遍退出了新抗生素研发领域，因为这类药物的使用周期短、盈利模式不清晰。世界卫生组织去年发布的耐药性报告显示，到 2050 年全球每年可能有超过一百万人死于耐药菌感染。量子计算和人工智能的介入虽然不能直接解决商业模式的问题，但有望大幅降低早期筛选的成本。
团队目前最大的限制是验证能力。体外活性测试是在新加坡合作伙伴的实验室里完成的，但动物模型和药代动力学测试需要正式的实验室设备和伦理审批，目前还在筹备中。他们估计，如果能拿到一笔约五十万美元的种子资金，这个项目可以在两年内推进到临床前阶段。
关于量子计算在生物领域的实际价值，学术界一直有分歧。支持者认为量子退火在搜索离散优化问题上有理论优势，反对者指出目前量子比特的保真度仍然不足以提供超过经典计算的可证明加速。这个项目的价值在于，它在没有依赖量子优势的前提下，把量子计算当作一个有效的搜索工具和加速器，这种务实的态度可能比追求理论上的量子霸权更有实际意义。
论文的第一作者在社交媒体上表示，团队已经开始准备第二轮工作，这一次的目标是扩展到抗病毒肽的设计，并希望找到一家愿意提供实验室时间的学术机构作为正式合作伙伴。