量子AI新突破：FeNNix-Bio1加速精准药物发现进程

Qubit Pharmaceuticals，一家致力于通过先进的量子计算和人工智能技术发现新药候选的深度科技公司，近日推出了一款名为FeNNix-Bio1的量子AI模型。这一平台由Qubit Pharmaceuticals与索邦大学合作开发，其目标是以前所未有的精度和速度模拟分子行为，从而显著加速药物发现过程并降低成本。 索邦大学教授、Qubit Pharmaceuticals的联合创始人兼科学总监Jean-Philip Piquemal表示，FeNNix-Bio1的模拟方法能够大幅降低药物发现阶段的成本。该模型的精确度可以与实验方法相媲美，使研究人员能够在虚拟环境中生成大量新想法并快速测试这些假设。通过在计算机上模拟，可以在实验室测试之前迅速识别出失败的分子结构，节省了时间和成本。只选取最有潜力的分子进入下一个阶段的实验室测试，这种筛选方式提高了新药研发的效率。 与现有的分子建模方法相比，FeNNix-Bio1不仅能够预测蛋白质的静态结构，还能够动态地模拟分子之间的相互作用，以及潜在药物化合物与目标蛋白的结合情况。这一点尤为重要，因为虽然谷歌DeepMind的AlphaFold在蛋白质结构预测方面取得了重大突破，但它无法处理复杂的分子交互和反应过程。而FeNNix-Bio1能够模拟化学键的形成和断裂，支持设计与Paxlovid或Ibrutinib等治疗方法类似的共价药物。 为了建立这个基础模型，Qubit Pharmaceuticals利用了来自GENCI、EuroHPC和阿贡国家实验室的计算资源，基于现有最准确的分子化学数据库进行了训练。据该公司介绍，FeNNix-Bio1可以在数小时内使用标准GPU硬件完成训练，而不是像大型语言模型那样需要数周的超级计算时间。 Qubit Pharmaceuticals的首席执行官Robert Marino强调，公司专注于“复杂靶点”，即传统制药业尚未为患者提供解决方案的疾病领域。目前，该公司正在进行七个研究项目，主要集中在肿瘤学和炎症领域，其中最先进的一项针对乳腺癌的研究已经取得初步成果。 除了制药领域，FeNNix-Bio1的应用潜力还拓展到工业酶、海水淡化膜优化、电池开发和绿色化学等多个领域。Piquemal指出，Qubit已经在利用量子数据增强其模型，这在过去被认为是无法实现的，直到2035年前都不可能实现。 为支持FeNNix-Bio1的研发，相关研究已发表在ChemRXiv在线档案库的两篇预印本上，详细记录了这一新型分子发现方法的科学基础。