論文の概要: Synergistic Computational Approaches for Accelerated Drug Discovery: Integrating Quantum Mechanics, Statistical Thermodynamics, and Quantum Computing

• arxiv url: http://arxiv.org/abs/2512.06141v1
• Date: Fri, 05 Dec 2025 20:47:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.204135
• Title: Synergistic Computational Approaches for Accelerated Drug Discovery: Integrating Quantum Mechanics, Statistical Thermodynamics, and Quantum Computing
• Title（参考訳）: 加速薬発見のための相乗的計算的アプローチ:量子力学、統計熱力学、量子コンピューティングの統合
• Authors: Farzad Molani, Art E. Cho,
• Abstract要約: タンパク質-リガンド結合自由エネルギー(Bs)の正確な予測は、薬物発見における中心的な課題である。 本稿では、マイニングミニマサンプリングと量子力学的に洗練された配位子部分電荷を組み合わせたハイブリッド量子古典フレームワークを提案する。 23個のタンパク質ターゲットと533の合計で、1.10 kcal/molの絶対誤差を高いランクの忠実度で達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately predicting protein-ligand binding free energies (BFEs) remains a central challenge in drug discovery, particularly because the most reliable methods, such as free energy perturbation (FEP), are computationally intensive and difficult to scale. Here, we introduce a hybrid quantum-classical framework that combines Mining Minima sampling with quantum mechanically refined ligand partial charges, QM/MM interaction evaluation, and variational quantum eigensolver (VQE)-based electronic energy correction. This design enables explicit treatment of polarization, charge redistribution, and electronic correlation effects that are often underestimated in purely classical scoring schemes, while retaining computational efficiency. Across 23 protein targets and 543 ligands, the method achieves a mean absolute error of about 1.10 kcal/mol with strong rank-order fidelity (Pearson R = 0.75, Spearman rho = 0.76, Kendall tau = 0.57), consistent with the performance of contemporary FEP protocols. Notably, the workflow requires only about 25 minutes per ligand on standard compute resources, resulting in an approximate 20-fold reduction in computational cost relative to alchemical free energy approaches. This level of accuracy and efficiency makes the method well-suited for high-throughput lead optimization and iterative design cycles in pharmaceutical discovery. The framework also provides a natural foundation for future integration with machine learning models to enable predictive, large-scale, and adaptive screening strategies.
• Abstract（参考訳）: タンパク質-リガンド結合性自由エネルギー(BFE)の正確な予測は、特にフリーエネルギー摂動(FEP)のような最も信頼性の高い方法が計算集約的でスケールが難しいため、薬物発見において中心的な課題である。 本稿では、マイニングミニマサンプリングと量子力学的に洗練されたリガンド部分電荷、QM/MM相互作用評価、変分量子固有解法(VQE)に基づく電子エネルギー補正を組み合わせたハイブリッド量子古典的フレームワークを提案する。 この設計は、純粋に古典的なスコアリング方式では過小評価されることが多い偏極、電荷再分配、電子相関効果の明示的な処理を可能にし、計算効率を保っている。 23個のタンパク質ターゲットと533個のリガンドにまたがって、Pearson R = 0.75, Spearman rho = 0.76, Kendall tau = 0.57) の絶対誤差が約1.10 kcal/molに達する(Pearson R = 0.75, Spearman rho = 0.76, Kendall tau = 0.57)。 特に、ワークフローは標準計算リソースのリガンドあたり25分程度しか必要とせず、その結果、アルケミカルフリーエネルギーのアプローチと比較して計算コストがおよそ20倍削減される。 この精度と効率のレベルは、薬品発見における高スループットリード最適化と反復設計サイクルに適している。 このフレームワークはまた、予測的、大規模、適応的なスクリーニング戦略を可能にするために、マシンラーニングモデルと将来の統合のための自然な基盤を提供する。

関連論文リスト

• Quantum Computing Approach to Atomic and Molecular Three-Body Systems [0.0]
  本稿では,三体原子と分子の高精度量子計算シミュレーションを提案する。 その結果、現在のノイズ中間量子(NISQ)デバイス上でのベンチマークと試験に優れた3体原子と分子が得られた。
  論文  参考訳（メタデータ） (2025-10-20T18:39:32Z)
• Efficient Implementation of Gaussian Process Regression Accelerated Saddle Point Searches with Application to Molecular Reactions [39.58317527488534]
  本稿では,最小モード追従法のガウス過程回帰加速度の効率的な実装について述べる。 鞍点配置に到達するために必要な電子構造計算の桁数を求める。 C++におけるGPRサロゲートモデルの実装は、サドル点探索のウォールタイムを4つのケースのうち3つに抑えるのに十分な効率である。
  論文  参考訳（メタデータ） (2025-05-18T18:42:55Z)
• Shortcut to Chemically Accurate Quantum Computing via Density-based Basis-set Correction [0.4909687476363595]
  密度ベースベースセット補正(DBBSC)による密度汎関数理論に量子コンピューティングアンサッツを組み込む。 完全基底セットの極限に近づき、化学的に正確な量子計算へのショートカットを提供する。 結果として生じるアプローチは、ベースセット収束を自己整合的に加速し、電子密度、基底状態エネルギー、および1次特性を改善する。
  論文  参考訳（メタデータ） (2024-05-19T14:31:01Z)
• Projective Quantum Eigensolver via Adiabatically Decoupled Subsystem Evolution: a Resource Efficient Approach to Molecular Energetics in Noisy Quantum Computers [0.0]
  我々は,ノイズ中間スケール量子(NISQ)ハードウェアを用いて,分子系の基底状態エネルギーを正確に計算することを目的とした射影形式を開発した。 本研究では,将来の耐故障システムにおいて,必要な精度を同時に確保しながら,ノイズ下での優れた性能を示す。
  論文  参考訳（メタデータ） (2024-03-13T13:27:40Z)
• Capturing many-body correlation effects with quantum and classical computing [40.7853309684189]
  我々は、X線光電子分光に関連するコアレベル状態の同定におけるQPE(Quantum Phase Estor)の有効性を示す。 我々は,QPE予測を,正確な対角化およびリアルタイムな運動方程式結合クラスタの定式化と比較し,検証する。
  論文  参考訳（メタデータ） (2024-02-18T01:26:45Z)
• A self-consistent field approach for the variational quantum eigensolver: orbital optimization goes adaptive [52.77024349608834]
  適応微分組立問題集合型アンザッツ変分固有解法(ADAPTVQE)における自己一貫したフィールドアプローチ(SCF)を提案する。 このフレームワークは、短期量子コンピュータ上の化学系の効率的な量子シミュレーションに使用される。
  論文  参考訳（メタデータ） (2022-12-21T23:15:17Z)
• 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)
• Benchmarking adaptive variational quantum eigensolvers [63.277656713454284]
  VQEとADAPT-VQEの精度をベンチマークし、電子基底状態とポテンシャルエネルギー曲線を計算する。 どちらの手法もエネルギーと基底状態の優れた推定値を提供する。 勾配に基づく最適化はより経済的であり、勾配のない類似シミュレーションよりも優れた性能を提供する。
  論文  参考訳（メタデータ） (2020-11-02T19:52:04Z)
• OrbNet: Deep Learning for Quantum Chemistry Using Symmetry-Adapted Atomic-Orbital Features [42.96944345045462]
  textscOrbNetは、学習効率と転送可能性の観点から、既存のメソッドよりも優れています。 薬物のような分子のデータセットに応用するために、textscOrbNetは1000倍以上の計算コストでDFTの化学的精度でエネルギーを予測する。
  論文  参考訳（メタデータ） (2020-07-15T22:38:41Z)

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。