論文の概要: Quantum Computing-Enhanced Algorithm Unveils Novel Inhibitors for KRAS
- arxiv url: http://arxiv.org/abs/2402.08210v1
- Date: Tue, 13 Feb 2024 04:19:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-14 16:30:06.926449
- Title: Quantum Computing-Enhanced Algorithm Unveils Novel Inhibitors for KRAS
- Title（参考訳）: 量子コンピューティング強化アルゴリズムがKRASの新しいインヒビターを発表
- Authors: Mohammad Ghazi Vakili, Christoph Gorgulla, AkshatKumar Nigam, Dmitry
Bezrukov, Daniel Varoli, Alex Aliper, Daniil Polykovsky, Krishna M.
Padmanabha Das, Jamie Snider, Anna Lyakisheva, Ardalan Hosseini Mansob, Zhong
Yao, Lela Bitar, Eugene Radchenko, Xiao Ding, Jinxin Liu, Fanye Meng, Feng
Ren, Yudong Cao, Igor Stagljar, Al\'an Aspuru-Guzik, Alex Zhavoronkov
- Abstract要約: 我々は16量子ビットのIBM量子コンピュータでトレーニングされた量子アルゴリズムのパワーをシームレスに統合する量子古典的生成モデルを導入する。
我々の研究は、実験で確認された生物学的ヒットを生み出すために量子生成モデルを使用した初めてのものである。
- 参考スコア（独自算出の注目度）: 10.732020360180773
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The discovery of small molecules with therapeutic potential is a
long-standing challenge in chemistry and biology. Researchers have increasingly
leveraged novel computational techniques to streamline the drug development
process to increase hit rates and reduce the costs associated with bringing a
drug to market. To this end, we introduce a quantum-classical generative model
that seamlessly integrates the computational power of quantum algorithms
trained on a 16-qubit IBM quantum computer with the established reliability of
classical methods for designing small molecules. Our hybrid generative model
was applied to designing new KRAS inhibitors, a crucial target in cancer
therapy. We synthesized 15 promising molecules during our investigation and
subjected them to experimental testing to assess their ability to engage with
the target. Notably, among these candidates, two molecules, ISM061-018-2 and
ISM061-22, each featuring unique scaffolds, stood out by demonstrating
effective engagement with KRAS. ISM061-018-2 was identified as a broad-spectrum
KRAS inhibitor, exhibiting a binding affinity to KRAS-G12D at $1.4 \mu M$.
Concurrently, ISM061-22 exhibited specific mutant selectivity, displaying
heightened activity against KRAS G12R and Q61H mutants. To our knowledge, this
work shows for the first time the use of a quantum-generative model to yield
experimentally confirmed biological hits, showcasing the practical potential of
quantum-assisted drug discovery to produce viable therapeutics. Moreover, our
findings reveal that the efficacy of distribution learning correlates with the
number of qubits utilized, underlining the scalability potential of quantum
computing resources. Overall, we anticipate our results to be a stepping stone
towards developing more advanced quantum generative models in drug discovery.
- Abstract（参考訳）: 治療効果のある小さな分子の発見は、化学と生物学における長年の課題である。
研究者たちは、新しい計算技術を活用して、薬の開発プロセスを効率化し、ヒット率を高め、薬を市場に出すコストを削減する。
この目的のために,16量子ビットibm量子コンピュータでトレーニングされた量子アルゴリズムの計算能力と,小型分子の設計のための古典的手法の信頼性をシームレスに統合した量子古典的生成モデルを提案する。
癌治療において重要な標的である新規KRAS阻害剤の設計にハイブリッド遺伝子モデルを適用した。
研究期間中に15個の有望分子を合成し,対象分子に作用する能力を評価する実験を行った。
特に、これらの候補のうち2つの分子であるISM061-018-2とISM061-22は、それぞれ固有の足場を特徴とし、KRASとの効果的な関与を示すことで際立った。
ISM061-018-2は広スペクトルKRAS阻害薬として同定され、KRAS-G12Dに1.4 \mu M$で結合性を示す。
同時に、ISM061-22は特定の変異選択性を示し、KRAS G12RおよびQ61H変異に対する高い活性を示した。
私たちの知る限りでは、この研究は初めて量子生成モデルを用いて生物学的ヒットを実験的に確認し、有効な治療法を生み出すための量子支援薬物発見の実用可能性を示した。
さらに,分散学習の有効性は,量子コンピューティング資源のスケーラビリティ可能性の基盤となる量子ビット数と相関することが明らかとなった。
全体としては、この結果がより高度な量子生成モデルの開発への一歩になると予測している。
関連論文リスト
- Hybrid quantum cycle generative adversarial network for small molecule
generation [0.0]
本研究は、パラメタライズド量子回路の既知の分子生成逆数ネットワークへの工学的統合に基づく、いくつかの新しい生成逆数ネットワークモデルを導入する。
導入された機械学習モデルには、強化学習原理に基づく新しいマルチパラメータ報酬関数が組み込まれている。
論文 参考訳（メタデータ） (2023-12-28T14:10:26Z) - Exploring the Advantages of Quantum Generative Adversarial Networks in
Generative Chemistry [8.98977891798507]
我々は小分子発見のためのハイブリッド量子古典生成逆数ネットワーク(GAN)を提案した。
我々は,GANの各素子を可変量子回路(VQC)で置換し,小型薬物発見における量子的優位性を実証した。
論文 参考訳（メタデータ） (2022-10-30T11:57:56Z) - LIMO: Latent Inceptionism for Targeted Molecule Generation [14.391216237573369]
本研究は,分子発生を極めて促進する分子発生機構であるLIMO(Latent Inceptionism on Molecules)について述べる。
総合的な実験により、LIMOはベンチマークタスクで競争力を発揮することが示された。
生成した薬物様化合物の1つが、ヒトエストロゲン受容体に対して6～14ドルのK_D$を予測している。
論文 参考訳（メタデータ） (2022-06-17T21:05:58Z) - Exploring Chemical Space with Score-based Out-of-distribution Generation [57.15855198512551]
生成微分方程式(SDE)にアウト・オブ・ディストリビューション制御を組み込んだスコアベース拡散方式を提案する。
いくつかの新しい分子は現実世界の薬物の基本的な要件を満たしていないため、MOODは特性予測器からの勾配を利用して条件付き生成を行う。
我々はMOODがトレーニング分布を超えて化学空間を探索できることを実験的に検証し、既存の方法で見いだされた分子、そして元のトレーニングプールの上位0.01%までも生成できることを実証した。
論文 参考訳（メタデータ） (2022-06-06T06:17:11Z) - Improved Drug-target Interaction Prediction with Intermolecular Graph
Transformer [98.8319016075089]
本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。
分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。
IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
論文 参考訳（メタデータ） (2021-10-14T13:28:02Z) - Hybrid quantum-classical machine learning for generative chemistry and
drug design [0.0]
そこで我々は,Boltzmann Machine (RBM) を用いた小型離散分散変分オートエンコーダを構築した。
医薬化学および合成アクセシビリティ特性を有する新規な2331の化学構造を創出する。
結果は、既に存在するか、あるいはすぐに利用可能となる量子コンピューティングデバイスを、将来の薬物発見アプリケーションのためのテストベッドとして使用できる可能性を示している。
論文 参考訳（メタデータ） (2021-08-26T08:23:32Z) - Quantum-Classical Hybrid Algorithm for the Simulation of All-Electron
Correlation [58.720142291102135]
本稿では、分子の全電子エネルギーと古典的コンピュータ上の特性を計算できる新しいハイブリッド古典的アルゴリズムを提案する。
本稿では,現在利用可能な量子コンピュータ上で,化学的に関連性のある結果と精度を実現する量子古典ハイブリッドアルゴリズムの能力を実証する。
論文 参考訳（メタデータ） (2021-06-22T18:00:00Z) - Counteracting dephasing in Molecular Nanomagnets by optimized qudit
encodings [60.1389381016626]
分子ナノマグネットは、Quditベースの量子誤り訂正符号の実装を可能にする。
分子キューディットに符号化された量子情報を破損させるエラーの微視的理解が不可欠である。
論文 参考訳（メタデータ） (2021-03-16T19:21:42Z) - Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost
Functions [80.12620331438052]
深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました
その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。
このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
論文 参考訳（メタデータ） (2020-06-25T08:46:37Z) - Accelerating Antimicrobial Discovery with Controllable Deep Generative
Models and Molecular Dynamics [109.70543391923344]
CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。
深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。
提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
論文 参考訳（メタデータ） (2020-05-22T15:57:58Z) - The Synthesizability of Molecules Proposed by Generative Models [3.032184156362992]
機能性分子の発見は高価で時間を要するプロセスである。
初期の薬物発見への関心が高まる技術のひとつに、デ・ノボの分子生成と最適化がある。
これらの手法は、多目的関数の最大化を目的とした新しい分子構造を示唆することができる。
しかし、これらのアプローチの実用性は、合成可能性の無知によって汚される。
論文 参考訳（メタデータ） (2020-02-17T15:41:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。