QuantaMind登《Science Advances》实现动态分子模拟

蛋白质结构预测解决了分子“长什么样”的问题，但酶催化中的质子转移、化学键变化，以及药物结合后的构象变化，仍需在原子尺度和纳秒级时间内进行动态模拟。分子之心自主研发的反应性原子建模平台QuantaMind近日发表于《Science Advances》，论文将接近密度泛函理论（DFT）精度的反应性分子动力学推进到数万原子和数十纳秒规模；提交论文后的扩展测试进一步达到十万原子和百纳秒级。

传统DFT精度高，却难以处理大体系和长时间；经典分子动力学适合大体系，但不能描述化学键断裂与生成；已有机器学习力场在长时稳定性和生物大分子规模上也存在限制。QuantaMind通过数据工程和模型架构，同时兼顾反应描述、计算精度与体系规模，使动态反应模拟更接近生物研发的实际需求。

论文显示，在NVIDIA A100 80GB GPU上，QuantaMind推理速度为4.2×10⁻⁶秒/原子/步，约1.8万原子的PETase体系模拟1纳秒需约20小时。论文验证的最大体系包括24,001个原子的水体系和17,792个原子的酶催化体系，最长稳定模拟20纳秒；最新测试速度提升至2.1×10⁻⁶秒/原子/步，十万原子体系每个时间步耗时约0.25秒，并扩展到百纳秒。

在核心验证中，QuantaMind对17,792原子的PET水解酶体系进行了6纳秒模拟，完成一次完整催化循环。研究人员抽取342个构型进行独立DFT单点计算，原子力分量Pearson相关系数均超过0.99。其他测试中，24,001原子水体系的质子扩散系数为0.87±0.10 Ų/ps，接近实验值0.94/0.96；9,999原子水体系运行3纳秒后捕获多次自发电离，自解离pH为6.34±0.06，接近实验值6.13±0.03；溶菌酶缓冲环境运行20纳秒，His15的pKa估算为5.81，接近核磁共振测得的5.5。

产业项目中，该平台被用于药物和酶工程。针对pH敏感抗体设计，QuantaMind可模拟残基质子化状态、pKa、电荷和构象变化；一项延长半衰期项目中，候选抗体在pH 6.0下的解离速率达到pH 7.4下的62倍。十万原子级能力也为显式溶剂中的全长抗体—抗原复合物模拟提供基础。在酶改造中，平台帮助解析复杂催化机理并锁定突变位点，以减少表达、纯化和活性测试的试错范围。

QuantaMind将分子之心的技术链路从生成、设计和结构预测延伸到反应机理理解：NewOrigin负责蛋白质生成，MMFold用于结构预测，MMDesign支持从头设计，QuantaMind负责动态反应模拟，相关能力计划集成到AI生物经济操作系统MoleculeOS。创始人许锦波表示，团队希望让AI进一步解释分子为何运动、为何反应，推动分子研发从静态结构预测走向动态机制理解。