肖宿回到辦公室還是若有所思的模樣。
資訊不夠，試錯來補，而試錯的成本太高了，這是生物實驗的固有問題，跟材料設計不一樣。
材料至少還能靠第一性原理算一算，而生物體系呢？
他把桌上那盞檯燈摁亮，往椅子裡一靠，腦子瘋狂動了起來。
目前學術界做生物體系的推演，主流手段無非兩類。
一類是純實驗的，高通量篩選，九十六孔板、三百八十四孔板，機器人手臂一排一排地移液，一次跑幾千個條件，看起來效率是挺高的，實際上每個孔裡的成分、pH、溫度梯度全是預先設定死的，只能在一個很窄的引數空間裡做線性搜尋。
稍微跳出點格子，比如換個離子強度、換種緩衝體系，就得重頭再跑一輪。
一臺高通量篩選工作站，幾百萬一臺，試劑耗材另算，跑一個月下來，光耗材費就能燒掉幾十萬。
動物實驗更別提了，一個課題從細胞到小鼠到猴子，三年起步，幾千萬打底，最後能不能推到臨床還得看運氣。
另一類是透過計算模擬，也就是分子動力學、蒙特卡洛、密度泛函理論，不過這些東西跑起來也不便宜。
經典分子動力學靠力場近似，處理個幾十萬原子的體系還行，可精度終究有限，氫鍵網路和質子轉移這種電子結構層面的東西根本抓不住。
密度泛函理論倒是能算電子結構，只是體系一大，計算量指數爆炸，幾百個原子就到頭了。
溶劑化環境就更麻煩了，只要顯式溶劑模型一加，原子數翻好幾倍，算力直接就見底了。
光靠想沒用，得看看目前到底做到什麼程度了。
肖宿開啟電腦，讓小智檢索量子計算在生物體系模擬方面的進展。
搜尋結果很快鋪滿了螢幕。
肖宿一目十行地往下翻，前幾頁大多是綜述和新聞稿，內容和他預想的差不多：量子化學計算、藥物分子對接、蛋白質摺疊的簡化模型，都是小體系、短時間、粗粒化近似，沒什麼新鮮的。
翻到十幾頁之後，才出現了一些值得細看的東西。
自從崑崙量子計算機開放機時申請以來，有幾家機構嘗試過拿它做生物方面的事。
華科院上海藥物所的一個組，去年在崑崙上跑了一輪G蛋白偶聯受體的配體結合自由能計算。
G蛋白偶聯受體這個體系選得很有講究，它是目前已知最大的一類藥物靶點家族，臨床上近四成的處方藥都作用在這類受體上，選它做驗證，等於直接瞄準了藥物研發最核心的環節。
配體結合自由能算得準不準，直接決定了虛擬篩選能不能從幾百萬個候選分子裡篩出真正能成藥的那麼幾十個。
而傳統做法靠的是經驗打分函式和/PBSA近似，誤差經常在一個數量級以上，算出來排名前十的分子，實驗一做可能全都不結合，可以說十分之坑了。
而上海藥物所這個組用的是量子-經典混合方法，受體蛋白用經典力場處理，配體結合口袋那一小片區域用密度泛函處理，等於在經典力學的地基上，把最關鍵的電子結構區域單獨切出來做了量子計算，在國內外也算是頭一例了。
他們跑了一個月，算出來三個候選分子的結合常數，跟實驗值對了一下，誤差控制在一倍半以內。
這個精度放到藥物發現領域，已經比傳統打分函式高出一個數量級了。
