摘要
混合量子-经典蛋白质结构预测强烈依赖于哈密顿惩罚权重，然而现有的基于晶格的工作流通常手动固定这些系数，并仅在模拟中评估非常短的片段。
我们提出了QFoldAgent，一个闭环多智能体框架，专注于5个残基的四面体晶格折叠。在这个框架中，设计智能体提出与序列相关的惩罚，基于变分量子特征求解器（VQE）的量子-经典管道优化结果哈密顿量，在Qiskit Aer噪声下运行，而反馈智能体则利用能量景观诊断和MolProbity验证信号在多个周期中精细调整惩罚。
真实的度量标准，如均方根偏差（RMSD），从未暴露给智能体，仅用于评估。我们在两个互补数据集上研究了该框架：55个来自QDockBank的已知结构片段和100个覆盖优化的未见序列。
在QDockBank基准测试中，QFoldAgent将中位RMSD从3.64 \AA{}降低到3.20 \AA{}，在最困难的目标上获得了最大的提升。在未见序列上，闭环将结构有效性从87.5%提升到98.7%，恢复了87%的最初无效案例，最强的控制器在87%的序列上改善了第三轮的能量，同时保持了96%的Ramachandran偏好几何形状。这些结果表明，迭代智能体控制能够系统性地改善优化行为，并在五残基的量子环境中减少失败案例。
博主点评： QFoldAgent展示了量子计算与多智能体系统结合的巨大潜力，不仅提高了蛋白质结构预测的准确性，也为未来的量子计算应用奠定了基础。通过闭环反馈机制，该系统能够自我优化，适应复杂的生物分子结构，预示着量子计算在生物信息学领域的广阔前景。