用于冷启动药物 - 靶点亲和力预测的混合量子 - 经典模型比较研究：部分试点分析

《Scientific Reports》：Comparative study of hybrid quantum-classical models for cold-start drug–target affinity prediction: a partial pilot analysis

　　

摘要

冷启动药物–靶点亲和力（DTA）预测需要在真正未见过的化学和蛋白质实体上进行评估。我们将 QVGAT-DPI（用于药物–蛋白质相互作用的量子变分图注意力网络）视为一种残差混合模型，该模型结合了完整的分子图、置换不变的逆合成有趣化学亚结构（BRICS）片段查询、ESM-2 和 ChemBERTa 表示、指纹、交叉注意力以及两个模拟的六量子比特残差模块。QVGAT-DPI 与 Q-BAFNet（最接近的结构化混合架构）的基于规范的实现进行了比较，两者在相同的局部折叠清单下进行。由于计算资源的限制，计划的十个配对折叠仅在 DAVIS S2（未见药物）和 S4（未见药物和靶点）上完成。对于 S2，配对差异为 + 0.060 一致指数（bootstrap 95% 区间 ? 0.000 至 0.123；精确 p = 0.0996）和 ? 0.094 均方根误差（? 0.145 至 ? 0.046；p = 0.0098）。对于 S4，差异为 + 0.087 一致指数（0.032–0.143；p = 0.0195）和 ? 0.135 均方根误差（? 0.294 至 ? 0.005；p = 0.1191）。经过 Holm 调整后，仅有 S2 的均方根误差保持在 0.05 以下，且没有任何方案支持两个终点指标。由于 S3 未完成，预设的 S2–S4 汇总结论无法评估。这些结果支持进一步的受控评估，而非系统性的优越性或量子优势。