Simpatico: accurate and ultra-fast virtual drug screening with atomic embeddings

Simpatico ist ein Open-Source-Werkzeug für das ultraschnelle virtuelle Screening, das atomare Einbettungen und die Abrufung nach dem Nachbarn-Prinzip nutzt, um einen State-of-the-Art-Genauigkeitsgrad bei der Vorhersage von Protein-Ligand-Bindungen zu erreichen und dabei sowohl traditionelles Docking als auch bestehende einbettungsbasierte Methoden in Bezug auf Geschwindigkeit und Präzision deutlich zu übertreffen, ohne dass eine 3D-Pose-Schätzung erforderlich ist.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, den perfekten Schlüssel zu finden, um eine bestimmte, komplexe Tür zu öffnen (ein krankheitsverursachendes Protein). In der Welt der Wirkstoffentwicklung ist dieser „Schlüssel" ein winziges Molekül, und in einem riesigen Lagerhaus gibt es Milliarden potenzieller Schlüssel.

Der alte Weg: Der langsame Schlosser
Traditionell verwendeten Wissenschaftler eine Methode namens „molekulares Docking". Das ist, als würde man einen Schlosser beauftragen, jeden einzelnen Schlüssel nacheinander an der Tür zu probieren. Sie testen physisch die Passform, messen, wie gut er sich dreht, und notieren das Ergebnis. Obwohl dies genau ist, ist es unglaublich langsam. Wenn man eine Milliarde Schlüssel hat, dauert das Ausprobieren einzeln ewig. Für die moderne Wirkstoffentwicklung ist dies zu langsam.

Der mittlere Weg: Der „Zusammenfassungs-ID"-Ansatz
Kürzlich versuchte eine neue Methode namens „Embedding-Retrieval" (wie ein Werkzeug namens DrugCLIP), die Dinge zu beschleunigen. Anstatt Schlüssel einzeln zu testen, erstellte sie eine „zusammenfassende ID-Karte" für jeden Schlüssel und jede Tür. Sie lernte, Schlüssel und Türen, die zusammengehören, in einem riesigen digitalen Aktenschrank zu gruppieren. Um eine Übereinstimmung zu finden, suchte sie einfach nach den nächstgelegenen ID-Karten.

Allerdings hatte diese Methode einen Fehler: Sie quetschte die gesamte Tür und den gesamten Schlüssel in nur eine einzige ID-Karte. Das war, als würde man ein komplexes, mehrstöckiges Haus mit einem einzigen Satz beschreiben. Wenn ein Schlüssel nur die Vordertür, aber nicht die Hintertür passte, konnte die zusammenfassende ID-Karte diese Nuance nicht erfassen. Sie verlor wichtige Details darüber, wo die Teile passten.

Der neue Weg: Simpatico (Der atomare Matchmaker)
Die Studie stellt ein neues Werkzeug namens Simpatico vor. Anstatt eine einzige zusammenfassende ID-Karte für den gesamten Schlüssel oder die gesamte Tür zu erstellen, erstellt Simpatico eine einzigartige ID-Karte für jedes einzelne Atom (die winzigen Bausteine) innerhalb des Schlüssels und der Tür.

Stellen Sie es sich so vor:

• Die Tür: Anstatt einer ID-Karte für das ganze Haus erstellt Simpatico eine spezifische ID-Karte für den Türknauf vorne, das Fenster hinten und das Seitentor.
• Der Schlüssel: Es macht dasselbe für den Schlüssel und erstellt ID-Karten für jeden winzigen Vorsprung und jede Rille auf seiner Oberfläche.

Wie es funktioniert
Simpatico wird trainiert zu wissen, dass, wenn ein bestimmter Vorsprung auf einem Schlüssel normalerweise eine bestimmte Rille auf einer Tür berührt, ihre ID-Karten im digitalen Aktenschrank „beste Freunde" sein sollten.

Wenn Wissenschaftler einen Wirkstoff finden wollen:

1. Nehmen sie die „Tür" (das Protein) und betrachten die ID-Karten für ihre spezifischen Teile (die Tasche, in die der Wirkstoff passt).
2. Sie fragen den Aktenschrank: „Welche Schlüssel in unserem Milliarden-Schlüssel-Lager haben Teile, die beste Freunde mit diesen spezifischen Türteilen sind?"
3. Das System findet sofort die passenden Atome.
4. Ein einfacher mathematischer Schritt addiert diese Übereinstimmungen, um dem gesamten Schlüssel eine Punktzahl zu geben.

Warum es ein Game-Changer ist

• Geschwindigkeit: Da es nach passenden Teilen sucht, anstatt ganze Schlüssel zu testen, ist es unglaublich schnell – um Größenordnungen schneller als die alten Methoden. Es kann Milliarden von Optionen in der Zeit scannen, die die alten Methoden benötigen, um einige Tausend zu überprüfen.
• Genauigkeit: Obwohl es auf einem relativ kleinen Datensatz trainiert wurde (etwa 15.000 Beispiele) und nicht vorher die 3D-Form des Schlüssels erraten musste, ist es genauer darin, die richtigen Übereinstimmungen zu finden als die alten „Zusammenfassungs"-Methoden und sogar besser als komplexe physikbasierte Simulationen.
• Open Source: Die Schöpfer machten das Werkzeug, den Code und die Daten für jedermann kostenlos verfügbar.

Kurz gesagt: Simpatico rät nicht nur, ob ein Schlüssel in eine Tür passt; es prüft, ob die winzigen Vorsprünge auf dem Schlüssel zu den winzigen Rillen auf der Tür passen, und zwar so schnell und genau, dass es die derzeit besten Methoden auf diesem Gebiet schlägt.

Technische Zusammenfassung

Technischer Überblick: Simpatico

Problemstellung
Das virtuelle Screening ist ein kritischer früher Schritt in der Wirkstoffentwicklung und umfasst die in-silico-Bewertung riesiger Bibliotheken kleiner Moleküle, um diejenigen zu identifizieren, die an ein therapeutisches Proteinziel binden. Der vorherrschende Ansatz, das molekulare Docking, erfordert eine separate, rechenintensive Berechnung für jedes Protein-Molekül-Paar. Dies macht das Docking für moderne Verbindungsbibliotheken, die Milliarden von Verbindungen enthalten, prohibitiv langsam. Während neuere Embedding-Retrieval-Paradigmen (z. B. DrugCLIP) versucht haben, diesen Engpass zu überwinden, indem sie Proteine und Liganden in einen gemeinsamen Embedding-Raum abbilden, um eine Nachbarsuchabfrage durchzuführen, leiden sie unter einer signifikanten Einschränkung: Sie kollabieren jedes gesamte Protein und jeden gesamten Liganden in einen einzigen Embedding-Vektor. Dieser „Informationsengpass" schränkt die Fähigkeit des Modells ein, partielle oder alternative Bindungskompatibilitäten darzustellen, da es nicht unterscheiden kann, welche spezifischen Teile eines Moleküls für die Bindung verantwortlich sind.

Methodik
Die Autoren stellen Simpatico vor, ein Embedding-Retrieval-Werkzeug für virtuelles Screening, das entwickelt wurde, um die Einschränkungen von Einzelvektor-Repräsentationen zu überwinden. Anstatt ein Embedding pro Molekül zu generieren, erzeugt Simpatico ein eindeutiges Embedding für jedes Atom innerhalb einer Proteintasche oder eines Liganden.

• Trainingsziel: Das Modell nutzt ein CLIP-artiges kontrastives Ziel. Es trainiert atomare Embeddings so, dass Protein-Ligand-Atom-Paare, von denen bekannt ist, dass sie interagieren, im Embedding-Raum nahe beieinander positioniert werden.
• Screening-Prozess: Um ein Proteinziel zu screenen, verwendet das System jedes Protein-Atom-Embedding als Abfrage gegen eine Vektordatenbank, die vorausberechnete atomare Embeddings kleiner Moleküle enthält. Dies liefert die am besten passenden Atome aus der Bibliothek zurück.
• Bewertung: Ein einfacher Aggregationsschritt weist jedem Kandidatenmolekül basierend auf den zurückgegebenen Atomen, die es enthält, eine endgültige Bindungsbewertung zu.
• Indexierungseffizienz: Im Gegensatz zu früheren Retrieval-Methoden, die einen Vektor pro Ligand indizieren, indiziert Simpatico einen Vektor pro schweres Atom. Folglich wächst die Abfragezeit sublinear mit der Bibliotheksgröße und ermöglicht die Skalierbarkeit auf Milliarden-Verbindungs-Skalen.

Hauptbeiträge

• Atomare Embeddings: Der Wechsel von globalen Molekül-Embeddings zu pro-Atom-Embeddings, was die Darstellung partieller Bindungskompatibilität ermöglicht.
• Effiziente Retrieval-Architektur: Ein System, das Vektordatenbanken für atomare Abfragen nutzt und ein sublineares Wachstum der Abfragezeit erreicht.
• Dateneffizienz: Das Modell erzielt hohe Leistung, wenn es nur mit etwa 15.000 Protein-Ligand-Komplexen aus dem PDBBind-Datensatz trainiert wird, ohne dass Vorabtraining oder eine Schätzung der 3D-Liganden-Pose erforderlich ist.

Ergebnisse
Auf herausfordernden Decoy-Benchmarks erreicht Simpatico eine Vorhersagegenauigkeit auf dem Stand der Technik. Insbesondere:

• Es übertrifft neuere Dense-Retrieval-Methoden.
• Es übersteigt die Genauigkeit von physikbasiertem Docking und von Deep-Learning-ergänztetem Docking.
• Es ist mit diffusionsbasierten Docking-Methoden konkurrenzfähig.
• In Bezug auf die Geschwindigkeit läuft es um Größenordnungen schneller als physikbasiertes Docking, Deep-Learning-ergänztetes Docking und diffusionsbasiertes Docking.

Bedeutung
Die Arbeit positioniert Simpatico als Lösung für den Zielkonflikt zwischen Skalierbarkeit und Genauigkeit beim virtuellen Screening. Durch die Abkehr vom Informationsengpass von Einzelvektor-Repräsentationen ermöglicht es das schnelle Screening von Bibliotheken mit Milliarden von Verbindungen mit einer Genauigkeit, die rechenintensivere Docking-Methoden rivalisiert oder übertrifft. Das Werkzeug wird als Open-Source-Software veröffentlicht, wobei Code, Gewichte und Daten der Gemeinschaft zur Verfügung stehen.