请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
肖宿回到办公室还是若有所思的模样。
信息不够，试错来补，而试错的成本太高了，这是生物实验的固有问题，跟材料设计不一样。
材料至少还能靠第一性原理算一算，而生物体系呢？
他把桌上那盏台灯摁亮，往椅子里一靠，脑子疯狂动了起来。
目前学术界做生物体系的推演，主流手段无非两类。
一类是纯实验的，高通量筛选，九十六孔板、三百八十四孔板，机器人手臂一排一排地移液，一次跑几千个条件，看起来效率是挺高的，实际上每个孔里的成分、pH、温度梯度全是预先设定死的，只能在一个很窄的参数空间里做线性搜索。
稍微跳出点格子，比如换个离子强度、换种缓冲体系，就得重头再跑一轮。
一台高通量筛选工作站，几百万一台，试剂耗材另算，跑一个月下来，光耗材费就能烧掉几十万。
动物实验更别提了，一个课题从细胞到鼠到猴子，三年起步，几千万打底，最后能不能推到临床还得看运气。
另一类是通过计算模拟，也就是分子动力学、蒙特卡洛、密度泛函理论，不过这些东西跑起来也不便宜。
经典分子动力学靠力场近似，处理个几十万原子的体系还行，可精度终究有限，氢键网络和质子转移这种电子结构层面的东西根本抓不住。
密度泛函理论倒是能算电子结构，只是体系一大，计算量指数爆炸，几百个原子就到头了。
溶剂化环境就更麻烦了，只要显式溶剂模型一加，原子数翻好几倍，算力直接就见底了。
光靠想没用，得看看目前到底做到什么程度了。
肖宿打开电脑，让智检索量子计算在生物体系模拟方面的进展。
搜索结果很快铺满了屏幕。
肖宿一目十行地往下翻，前几页大多是综述和新闻稿，内容和他预想的差不多：量子化学计算、药物分子对接、蛋白质折叠的简化模型，都是体系、短时间、粗粒化近似，没什么新鲜的。
翻到十几页之后，才出现了一些值得细看的东西。
自从昆仑量子计算机开放机时申请以来，有几家机构尝试过拿它做生物方面的事。
华科院上海药物所的一个组，去年在昆仑上跑了一轮G蛋白偶联受体的配体结合自由能计算。
G蛋白偶联受体这个体系选得很有讲究，它是目前已知最大的一类药物靶点家族，临床上近四成的处方药都作用在这类受体上，选它做验证，等于直接瞄准了药物研发最核心的环节。
配体结合自由能算得准不准，直接决定了虚拟筛选能不能从几百万个候选分子里筛出真正能成药的那么几十个。
而传统做法靠的是经验打分函数和MM/PBSA近似，误差经常在一个数量级以上，算出来排名前十的分子，实验一做可能全都不结合，可以十分之坑了。
而上海药物所这个组用的是量子-经典混合方法，受体蛋白用经典力场处理，配体结合口袋那一片区域用密度泛函处理，等于在经典力学的地基上，把最关键的电子结构区域单独切出来做了量子计算，在国内外也算是头一例了。
他们跑了一个月，算出来三个候选分子的结合常数，跟实验值对了一下，误差控制在一倍半以内。
这个精度放到药物发现领域，已经比传统打分函数高出一个数量级了。