取代昂贵量子方法，南科大AI方法实现蛋白质-药物系统多尺度量子「精炼」

主要观点总结

本文介绍了南方科技大学研究团队在量子精炼（QR）方法上的新进展。他们利用机器学习势（MLP）融入多尺度ONIOM（QM:MM）方案，以描述药物/抑制剂等核心部分，加速蛋白质-药物复合物的QR过程。该研究实现了QM级精度，并提供了计算证据，证明药物nirmatrelvir在SARS-CoV-2主要蛋白酶结构中的键合和非键合形式。该研究强调了强大的MLP可以加速可靠的蛋白质-药物复合物的QR，为药物开发提供更多原子见解。

关键观点总结

关键观点1: 研究背景

生物大分子结构在药物开发和生物催化中至关重要。量子精炼方法通过引入量子力学提高晶体结构质量，但计算成本高且设置复杂，限制了其应用。

关键观点2: 新方法介绍

南方科技大学研究团队利用机器学习势（MLP）融入多尺度ONIOM（QM:MM）方案，描述药物/抑制剂等核心部分，取代昂贵的QM方法。首次组合两个级别的MLP，实现QR的加速和QM级精度。

关键观点3: 研究成果

研究提供了计算证据，证明药物nirmatrelvir在SARS-CoV-2主要蛋白酶结构中的键合和非键合形式。强大的MLP可加速QR过程，为药物开发提供更多原子见解。研究建立了计算基准数据集来评估药物/抑制剂分子的结构可靠性。

关键观点4: 未来展望

随着更高水平和通用MLP的进步，未来各种生物系统的快速可靠的QR将在普通计算机上常规执行。该研究为药物开发、分子识别、催化和其他领域提供了新的见解和机会。