量子计算+

生物制药

Biopharmaceuticals

量子前哨智库INTRODUCTION

简介

量子计算作为下一代颠覆性技术，潜力备受瞩目，但在具体行业中的实际应用仍处于探索阶段。量子前哨智库特开设“量子计算+”白皮书系列，旨在深入分析量子计算赋能诸多行业的现状及未来展望，为量子科技行业中的政策决策者、研究者、开发者，以及相关行业的前瞻人士提供客观、简明的参考。

本篇为该系列的第一篇：量子计算+生物制药白皮书。

后台回复“生物制药白皮书2025”可直接获取报告全文。

导言

生命作为多层级动态系统，其复杂性体现为分子、细胞、组织到个体等多层交织的非线性调控网络，这些网络通过动态协同维持生命系统稳态。解析这些复杂的网络能揭示遗传发育规律、阐明疾病发生机制及确定核心调控因子，具有重大科学价值。然而现有研究面临多重挑战：

跨层级非线性作用与生物过程的动态时变特性导致系统建模困难，多源异构生物数据的整合加剧了计算复杂程度。

另外，基于已知靶点的药物开发同样存在巨大的计算挑战，尤其是随着化学分子空间的持续增长导致筛选面临精度与效率的失衡，分子-受体结合模拟的高耗时性极大的增加了筛选时间成本。当前亟需构建新型计算范式，突破多尺度建模、动态网络实时解析及高效精准分子筛选等关键技术，以应对日益增长的生物复杂体系数据挖掘和高效精准的分子结合模拟需求。‌

量子计算作为一种新兴的计算范式，因其独特的计算能力和效率优势，有望突破当前瓶颈，在生物制药领域展现出巨大的应用价值。相比经典计算方法，量子计算能够模拟复杂生命系统的非线性互作关系，可应用于大规模组合优化问题求解、生物大分子动态构象采样、多分子互作网络的动态模拟推演等复杂计算场景，为生物计算带来前所未有的效率提升和精度改善。

此外，量子计算在先导化合物发现、分子性质优化、研发流程优化以及研发成本降低方面拥有巨大潜力，有望从根本上解决药物研发高风险、长周期和高成本的核心痛点，为未来的药物发现和个性化医疗提供强大支持。随着硬件和相关算法的快速发展，量子计算正在为制药行业注入全新的技术驱动力。

药物研发正面临诸多痛点

长期以来，药物研发面临着高风险、长周期和高成本等核心痛点，尤其是在全球临床阶段成功率较低的背景下，这些问题尤为突出。目前，传统的生物计算和计算机辅助药物设计面临的问题主要体现在准确性低、计算速度慢两个方面。

量‬子计算+生物制药白皮书

准确性低

由于计算框架和模型表示的局限性，往往难以描述真实生物学场景中不同分子的复杂关系和分子本身的构象变化轨迹，因此对更高精度状态的表征和物理模拟对计算能力和模型表示提出了更高挑战。

计算速度慢

伴随生物技术发展而积累的海量多模态生物数据（多组学数据、生物分子数据、临床病理影像等）往往导致计算规模庞大，以及现有计算框架对数据模拟规模也具有限制。此外，不同硬件协同处理也会导致数据读取存储的时间延迟。

以基于受体的药物研发场景为例，其涉及复杂的采样和分子动态模拟，使得经典计算方法在应对量子力学效应模拟、分子构象采样与结合靶点区域识别、复杂分子动力学模拟等问题时，表现出显著的局限性。

分子对接概念图

面对日益复杂的生物计算场景，亟需一种新型计算范式来突破经典计算瓶颈，量子计算利用量子叠加和量子纠缠特性，在并行处理复杂计算任务时具备显著优势，有望高效解决上述难题，为药物发现提供革命性动力。（后台回复“生物制药白皮书2025”直接获取）

在生命科学研究过程中，“AI+量子计算”的技术融合，将进一步推动生命科学研究的进展。作为一项颠覆性技术，量子计算与人工智能的结合正在解决经典计算方法难以解决的问题，近年来量子计算纠错技术的突破，进一步展现了这种融合应用的巨大潜力。

量子计算在药物发现中的研究进展

在药物发现领域，量子计算的应用前景十分广阔，其在靶点发现、活性位点分析、分子构象采样和对接、化学反应模拟、分子动力学模拟、化合物优化、新型生物药开发、临床试验优化等环节均有巨大潜力，目前已有多个实际应用。

量子计算应用于小分子化合物生成与优化英矽智能与加拿大多伦多大学合作，利用量子计算与生成式 AI 结合的混合模型，成功设计出针对 KRAS 靶点的新型抑制剂分子，该研究展示了量子计算在药物早期发现中的潜力，尤其是在筛选和优化“不可成药”靶点的候选分子方面。

量子计算应用于分子对接

上海交通大学医学院正在与北京玻色量子科技有限公司将量子计算应用于分子对接。分子对接是基于配体受体识别的锁钥模型提出的技术方法，通过计算配体受体之间的空间互补以及能量匹配来寻找其复合物模式，是药物发现的重要技术手段，其巨大的搜索空间和计算要求对传统算力来说充满挑战，而量子算法可以有效加速这一过程，例如 CIM（相干光量子计算机）。通过真机测试与验证，CIM 的求解速度比传统计算机快 1000 倍，可显著提升药物虚拟筛选效率和准确率。

量子计算应用于临床试验设计

2025 年 1 月，Cleveland Clinic 公布了一项新的研究成果——尿培养抗生素敏感性的机器学习预测模型的开发和验证：降低发病率与改善抗生素管理框架。该工作组提出，基于生理学的药代动力学和药效学（PBPK/PD）建模与量子机器学习（QML）相结合，有助于在经典计算机所需时间的一小部分内准确预测潜在影响。

量子计算在生物制药应用中的展望

改善药物研发核心痛点

药物研发长期受到高风险、长周期、高成本的制约。从药物发现到最终上市，通常需要 10-15 年，总成本可达数亿美元甚至数十亿美元，且临床试验阶段的成功率仅为 12.9%。量子计算在药物研发中的应用，有望显著改善这一现状。

优化药物设计策略提升化合物成药性

量子计算在药物设计中的核心价值，体现在其对分子性质分布优越的采样能力。具体而言，它能够学习获取大规模活性分子和成药分子的性质，并优化化合物的关键理化特性（如亲和力、溶解度和毒性）。

此外，量子计算能够更精准地模拟药物与靶标之间的相互作用机制，这种能力不仅为化合物优化和活性提升提供了可靠的理论支撑，还显著缩短了药物研发周期，为新药发现带来深远影响。

赋能大规模数据分析

借助量子计算优势可在一些大规模计算任务（如加大规模基因组组装、遗传变异关联分析等场景）中实现加速，帮助科研人员高效挖掘疾病相关靶点和相关生物标志物，从而为解析复杂疾病的发生发展过程提供证据支持，并推动精准医学和个性化治疗的进步。

此外，量子计算在解决大规模组合优化问题上具有显著优势，其在复杂疾病调控网络建模中能得到更完善的调控关系，帮助多靶点治疗策略和新型药物设计思路的提出。

行业布局与技术前景

量子计算的应用潜力已引起制药行业的高度关注，全球制药巨头纷纷加速布局。

全球最大的私有制药企业勃林格殷格翰(Boehringer Ingelheim)和 PsiQuantum 展开合作，使量子计算机计算细胞色素 P450 电子结构的速度较经典计算提升了 234 倍，用于改进药物设计方法及提升疗效；mRNA 疫苗领域领军者 Moderna 联手 IBM 利用量子计算成功预测了 mRNA 二级结构，用于加速药物发现和创造新的治疗方法；诺和诺德基金会更是在 2022 年宣布投入 2 亿美元，研发专用于生命科学研究的量子计算机，用于计算涉及人类基因组和疾病的大规模数据，以加速个性化药物的研发。

随着量子硬件性能的提升（如量子比特数量增加、纠错技术进步）以及量子算法（如变分量子本征求解器 VQE）的优化，量子计算在药物研发中的优势将进一步显现，更快展开实际应用。

推动行业可持续发展

量子计算在降低资源消耗方面具备显著的潜在价值，通过更高效的分子筛选与化学合成优化，能够减少试验中的材料和能源浪费。例如，量子计算可以通过优化化学反应路径，减少合成过程中的试错成本，从而提高资源利用效率。这种更高效、更环保的计算模式，将为制药行业带来可持续发展的新动力。