首页

一款药物能省 6 亿美元？量子计算凭什么

人工智能行动信息港AI HUB

2026-11-10

量子前哨商业智库

把握量子产业脉搏

发现量子产业化的新动向

QUANTUM FOREPOST

文丨浪味仙排版丨浪味仙

行业动向：3000字丨8分钟阅读

量子计算公司 Diraq 在最新报告《Quantum at Work》中提出一项经济测算：如果量子计算能够改善药物研发中的先导化合物优化，将临床试验成功率提高 10 个百分点，每种最终上市的药物就能减少超过 6 亿美元的研发成本。

这项测算对应的节省金额约占新药研发成本的三分之一。

Diraq 产品负责人 Andre Saraiva 解释，量子计算机不需要模拟整个药物分子，只需要重点处理经典计算机难以准确模拟的局部电子结构，例如参与药物代谢的酶内部金属原子周围的电子行为，再把计算结果交给经典计算系统处理其他部分。量子计算负责处理少数关键区域，经典计算机继续完成其余工作，两者协作有机会改善整个分子模拟的结果。

几个金属原子的计算，为什么会牵动数亿美元的研发投入？答案藏在药物分子的电子行为，以及研究人员如何利用这些信息筛选候选药物的过程中。

几个原子的秘密

药物分子的性质与原子之间的相互作用、电子如何分布和运动密切相关。研究人员需要了解分子的结构，以及它与其他分子发生相互作用时会产生什么变化，这些信息关系到药物的药效、安全性和其他关键性质。尤其在复杂化学反应中，局部区域的电子状态会影响反应能否发生、沿着什么路径进行，以及最终形成什么产物。

多个电子之间存在复杂的量子关联，经典计算机虽然能够通过量子化学方法模拟这些现象，但面对涉及强电子关联、电子转移和化学键变化的复杂系统，往往需要作出近似处理，计算精度与资源消耗之间也存在取舍。量子计算能够利用量子态模拟量子力学系统，为这类复杂电子结构问题提供另一种计算方式，Diraq 产品负责人 Saraiva 举出的金属原子就是一个例子。

图源官网

某些负责药物代谢的酶，内部含有参与化学反应的金属原子。这些金属原子周围的电子如何分布和运动，会影响酶分解、转化药物的过程，研究人员如果能够更准确地模拟这些局部区域，就能更好地理解和预测反应机制。量子计算的结果将用于补充经典计算难以准确描述的部分，让研究人员获得更完整的分子模拟结果。

2025 年 3 月，阿斯利康、IBM Research 等机构的研究人员在《Drug Discovery Today》发表了一篇关于量子计算与药物研发的综述。研究团队从具体计算任务出发，评估量子计算在药物研发不同环节的应用价值，并提出了一个值得关注的判断：量子计算更适合针对性地解决部分经典计算难以处理的问题，而非全面接管药物研发流程。

综述特别提到，催化剂设计以及催化中的核量子效应，是值得关注的应用方向；药物发现早期阶段短期内能够从量子计算中获得的收益，则相对有限。这反映出研究人员对量子计算应用优先级的不同判断：哪些问题值得优先交给量子计算处理，需要结合具体的计算难度和科研价值来评估。Diraq 把先导化合物优化作为量子计算参与药物研发的一个切入点，希望通过改善分子性质预测，影响后续药物研发。

候选药物如何过关

Diraq 在报告中将先导化合物优化（Lead Optimization）作为量子计算参与药物研发的一个切入点。研究人员从大量化合物中筛选出具有潜在药用价值的分子后，还需要反复调整其结构，改善药效、安全性及其他性质，这些经过初步筛选、值得继续研究的分子，就是先导化合物。

一个分子是否值得继续投入研发，不能只看它能否与目标蛋白结合，研究人员还要考虑它在人体内的稳定性、代谢过程、毒性，以及其他可能影响药物效果的因素。分子结构的微小变化，也可能带来不同的结果，研究人员得通过计算和实验反复比较，寻找更合适的分子结构。

这些早期判断会影响候选药物进入后续研发时的质量。2022 年发表在《Acta Pharmaceutica Sinica B》的一篇综述分析了 2010 年至 2017 年的临床研发数据，将临床试验失败原因归纳为四类：临床疗效不足占 40%—50%，难以控制的毒性约占 30%，药物性质不理想占 10%—15%，商业需求不足及战略问题约占 10%。

图源网络

其中，毒性、药物性质等与分子特征相关的问题，也是先导化合物优化需要重点考察的内容。如果计算能够更准确地预测这些分子性质，研究人员就能更早发现部分问题，调整分子结构，或者提前淘汰不合适的候选物，避免它们继续消耗后续研发资源。

除了模拟已有分子的电子结构，量子计算也可以参与新分子的生成。2025 年 1 月，《Nature Biotechnology》发表了一项相关研究。研究团队使用一台 16 量子比特处理器参与分子生成，并结合经典人工智能模型，探索能够抑制 KRAS 蛋白的小分子。研究人员从生成的大量分子中筛选出 15 种，完成合成和实验测试，其中两种表现出进一步开发的潜力。

这项研究展示了量子计算参与药物设计的另一条路径：通过辅助生成模型探索新的分子结构。Diraq 关注的则是利用量子计算更准确地模拟分子内部的电子行为，为候选分子的性质预测提供帮助。前者侧重寻找新的分子，后者侧重理解分子的性质，两种计算任务分别对应药物设计与优化中的不同环节。

失败项目的研发账

Diraq 在报告中指出，一款新药通常需要超过 20 亿美元的研发投入，耗时 10-15 年，最终能够到达患者手中的候选药物不足十分之一。

药物研发是一场漫长的淘汰赛。早期研究人员需要从大量分子中寻找合适的候选物，随后通过临床前研究和临床试验检验其药效与安全性。一个候选物如果经过多年研究，甚至进入临床试验后才被证明不适合继续开发，企业此前投入的研究、实验和临床费用就可能全部成为沉没成本。进入后期临床阶段后，研究涉及更多患者、更多研究中心和更长的观察周期，失败造成的损失也会进一步扩大。

这也是先导化合物优化具有经济价值的原因。假如研究人员能够更准确地预测分子性质，在早期就识别出不合适的候选物，便能减少对这些分子的后续投入；如果筛选出的候选物质量更高，进入临床阶段后也可能有更多项目取得成功。

图源网络

两种变化会共同影响药物研发的经济账：提前淘汰不合适的候选物，可以减少失败项目继续消耗的资金；提高候选药物质量，则有机会增加最终成功上市的药物数量。前者减少研发管线中的无效投入，后者提高同样一笔研发资金最终能够产出的药物数量。

Diraq 将这种潜在变化量化为一组数字：如果量子计算改善先导化合物优化，使临床试验成功率提高 10 个百分点，每种最终上市的药物就有望减少超过 6 亿美元的研发成本，约占三分之一。

报告还进一步估算，同样的研发投入，每年到达患者手中的潜在救命药物数量可以增加约 50%，仅在美国市场就可能额外增加最多 25 种获批药物。这组数字指向了药物研发中一个容易被忽略的成本来源：错误的研发选择。

一个分子如果在早期筛选中被淘汰，损失通常还局限于前期实验；如果经过多年研究，甚至进入临床试验后才被淘汰，企业此前投入的资金就很难收回。量子计算如果能提高分子性质预测的准确度，就有机会把筛选关口前移，让研发资金少花在最终无法成药的候选物上。

Reference：

1、https://diraq.squarespace.com/newsdesk/quantum-at-work

2、https://www.sciencedirect.com/science/article/abs/pii/S1359644625000364

3、https://www.nature.com/articles/s41587-024-02526-3

4、https://pmc.ncbi.nlm.nih.gov/articles/PMC9293739/

「END」

以上来源：量子前哨，由人工智能行动信息港AI HUB分享阅读

【声明】内容源于网络

人工智能行动信息港AI HUB

人工智能行动信息港（简称AIHUB）是中国电子信息产业发展研究院响应“人工智能+”行动，由国内AI产业链上下游企业、高校研究机构等发起成立，期望畅通政府与行业间、产业链上下游间、国内与国际间的沟通渠道，共建推动人工智能创新发展的公共平台。

内容 837

粉丝 0

人工智能行动信息港AI HUB 人工智能行动信息港（简称AIHUB）是中国电子信息产业发展研究院响应“人工智能+”行动，由国内AI产业链上下游企业、高校研究机构等发起成立，期望畅通政府与行业间、产业链上下游间、国内与国际间的沟通渠道，共建推动人工智能创新发展的公共平台。

总阅读16.2k

粉丝0

内容837