Circumventing the synthesizability problem in generative molecular design

Diese Arbeit stellt eine modellgestützte virtuelle Screening-Pipeline (MGVS) vor, die generative struktur-basierte Wirkstoffdesign-Modelle mit effizienten chemischen Ähnlichkeitssuchen kombiniert, um synthetisierbare Analoga mit vergleichbarer oder besserer Bindungswirkung zu identifizieren und dabei die Screening-Effizienz im Vergleich zu herkömmlichen Methoden um mindestens das 25-fache zu steigern.

Das Wesentliche

Titel: Wie man die perfekte Nadel im Heuhaufen findet, ohne den ganzen Heuhaufen zu durchsuchen

Stellen Sie sich vor, Sie sind ein Architekt, der ein neues, fantastisches Haus entwerfen möchte. Aber es gibt ein riesiges Problem: Sie entwerfen Häuser, die in Ihrer Vorstellung perfekt sind, aber in der echten Welt niemand bauen kann, weil die Bausteine zu teuer, zu selten oder einfach unmöglich zu beschaffen sind.

Genau dieses Problem haben Wissenschaftler bei der Entwicklung neuer Medikamente mit Hilfe von künstlicher Intelligenz (KI) gehabt. Die KI ist brillant darin, völlig neue Moleküle zu „träumen", die perfekt in ein krankmachendes Protein passen. Aber oft sind diese geträumten Moleküle wie Geisterhäuser: Sie sehen toll aus auf dem Papier, aber ein Chemiker kann sie nicht im Labor nachbauen.

Hier kommt die Lösung aus dem neuen Papier ins Spiel. Die Forscher haben eine clevere Strategie namens „Modell-gesteuerte virtuelle Suche" (MGVS) entwickelt. Lassen Sie uns das mit einer einfachen Geschichte erklären:

Die Geschichte vom genialen Architekten und dem erfahrenen Bauunternehmer

1. Der Visionär (Die KI)
Stellen Sie sich die KI-Modelle (wie DrugHIVE, Pocket2Mol oder DiffSBDD) als einen extrem kreativen, aber etwas chaotischen Architekten vor. Dieser Architekt sitzt in einem Raum voller Blaupausen und zeichnet stündlich tausende von neuen Hausentwürfen.

• Das Problem: Viele dieser Entwürfe sind verrückt. Sie haben Wände aus Glas, die es nicht gibt, oder Treppen, die ins Nichts führen. Sie sind „nicht baufähig".
• Der Vorteil: Der Architekt hat einen genialen Blick für Form. Er weiß genau, wie ein Haus aussehen muss, damit es in eine bestimmte, schmale Gasse (das Protein im Körper) passt und dort stabil steht. Er findet die perfekten Standorte und Formen, auch wenn das Material noch nicht existiert.

2. Der Bauunternehmer (Die Datenbanken)
Nun kommt ein erfahrener Bauunternehmer ins Spiel. Er besitzt eine riesige Bibliothek mit Millionen von fertigen Bauplänen für Häuser, die man tatsächlich bauen kann (das sind die chemischen Datenbanken wie Enamine REAL oder ZINC).

• Früher musste man diese Bibliothek von vorne bis hinten durchblättern, um ein Haus zu finden, das in die Gasse passt. Das dauerte ewig und war extrem teuer (wie eine Suche im gesamten Heuhaufen).

3. Die neue Strategie: „Finde die Form, dann suche das Material"
Die Forscher sagen: „Warum versuchen wir, dem Architekten beizubringen, nur mit vorhandenen Steinen zu bauen? Das schränkt seine Kreativität ein!"
Stattdessen machen sie Folgendes:

1. Der Visionär (KI) zeichnet 1.000 Entwürfe. Er wählt die 10 besten aus, die am besten in die Gasse passen – auch wenn sie aus „Geistersteinen" bestehen.
2. Diese 10 Entwürfe werden dem Bauunternehmer (Suchmaschine) gezeigt.
3. Der Bauunternehmer schaut nicht auf die ganze Bibliothek. Er sucht nur nach den 100 Häusern in seiner Bibliothek, die der Form dieser 10 Entwürfe am ähnlichsten sehen.
4. Er findet sofort Baupläne für Häuser, die man tatsächlich bauen kann, die aber fast genauso gut in die Gasse passen wie die Visionen des Architekten.

Warum ist das so genial?

• Geschwindigkeit: Anstatt 50.000 zufällige Häuser zu prüfen (wie bei alten Methoden), prüfen sie nur etwa 2.000. Das ist 25-mal schneller!
• Qualität: Die gefundenen „baufähigen" Häuser sind oft sogar noch besser als die ursprünglichen KI-Entwürfe. Sie haben eine bessere Passform und sind sicherer.
• Zuverlässigkeit: In fast allen Fällen (über 98 %) fanden sie ein baufähiges Haus, das genauso gut oder besser war als der KI-Entwurf.

Das Fazit für den Alltag

Stellen Sie sich vor, Sie suchen nach dem perfekten Schlüssel für ein Schloss.

• Die alte Methode: Sie nehmen einen Sack voller tausender zufälliger Schlüssel und stecken sie alle ins Schloss, bis einer passt.
• Die KI-Methode (ohne Lösung): Die KI erfindet einen Schlüssel aus reinem Licht. Er passt perfekt, aber er ist nicht aus Metall und kann nicht hergestellt werden.
• Die neue MGVS-Methode: Die KI erfindet den perfekten Licht-Schlüssel. Dann gehen Sie zu einem Schlosser und sagen: „Such mir den metallenen Schlüssel, der diesem Licht-Schlüssel am ähnlichsten sieht." Der Schlosser findet sofort einen echten Schlüssel, der funktioniert.

Zusammenfassend: Die Wissenschaftler haben gezeigt, dass wir KI nicht zwingen müssen, sofort perfekte, baufähige Medikamente zu erfinden. Stattdessen können wir die KI nutzen, um uns zu zeigen, wo wir suchen sollen. Dann holen wir uns die echten, herstellbaren Medikamente aus den großen Datenbanken. Es ist wie ein Kompass: Die KI zeigt uns den Schatz, und wir graben ihn mit bewährten Werkzeugen aus.

Technische Zusammenfassung

Titel: Umgehung des Synthesierbarkeit-Problems im generativen Moleküldesign

1. Das Problem
Generative Modelle für das struktur-basierte Wirkstoffdesign (SBDD) haben das Potenzial, die Entdeckung neuer Wirkstoffkandidaten zu beschleunigen, indem sie neuartige chemische Strukturen für spezifische biologische Zielstrukturen vorschlagen. Ein kritisches Hindernis für die praktische Anwendung dieser Modelle ist jedoch die mangelnde Synthesierbarkeit der generierten Verbindungen.

• Viele generierte Moleküle sind chemisch unplausibel oder synthetisch nicht zugänglich.
• Die manuelle Synthese neuer Strukturen im großen Maßstab ist zu langsam und zu teuer für den frühen Wirkstoffentwicklungsprozess.
• Herkömmliche Ansätze, die Modelle auf synthetisierbare Teilräume beschränken, führen oft zu Kompromissen bei der molekularen Vielfalt und Kontrollierbarkeit.
• Gleichzeitig werden virtuelle chemische Räume (z. B. Enamine REAL, ZINC) immer größer (Milliarden bis Billionen Verbindungen), was eine erschöpfende virtuelle Liganden-Screening (VLS) rechnerisch unpraktikabel macht.

2. Methodik: Model-Guided Virtual Screening (MGVS)
Die Autoren schlagen einen neuen Workflow vor, der generative SBDD-Modelle mit effizienten chemischen Ähnlichkeitssuchmethoden kombiniert. Dieser Ansatz, genannt Model-Guided Virtual Screening (MGVS), umgeht das Synthesierbarkeit-Problem, indem er generative Modelle nutzt, um vielversprechende chemische Subräume zu identifizieren, und dann nach synthetisierbaren Analoga in existierenden Datenbanken sucht.

Der MGVS-Prozess umfasst fünf Schritte:

1. Generierung: Ein struktur-basiertes generatives Modell (z. B. DrugHIVE, Pocket2Mol oder DiffSBDD) generiert basierend auf der Protein-Tasche 1.000 Verbindungen.
2. Docking & Scoring: Die generierten Verbindungen werden mittels QuickVina2 in die Ziel-Tasche gedockt und bewertet.
3. Filterung & Auswahl: Verbindungen mit PAINS-Mustern, schlechten drug-like Eigenschaften oder irregulären Strukturen werden entfernt. Die Top-10-Verbindungen (basierend auf dem Vina-Score) werden als Abfragemoleküle (Queries) ausgewählt.
4. Ähnlichkeitssuche: Für jede der Top-10-Queries wird eine hierarchische Suche nach den 100 ähnlichsten Verbindungen in ultra-großen kommerziellen Datenbanken (Enamine REAL, WuXi GalaXi, ZINC) durchgeführt. Als Ähnlichkeitsmetrik wird die Graph Edit Distance (GED) verwendet (unterstützt durch das Tool SmallWorld), ergänzt durch Daylight- und ECFP4-Fingerabdrücke.
5. Validierung: Die gefundenen Analoga werden erneut gedockt und bewertet. Die besten synthetisierbaren Analoga werden basierend auf dem Docking-Score ausgewählt.

3. Wichtige Beiträge

• Paradigmenwechsel: Statt zu versuchen, direkt perfekte und synthetisierbare Wirkstoffe zu generieren, nutzen generative Modelle als "Leitplanken", um vielversprechende Regionen im chemischen Raum zu finden, in denen dann nach synthetisierbaren Analoga gesucht wird.
• Effizienzsteigerung: Der MGVS-Ansatz reduziert den Suchraum drastisch im Vergleich zum klassischen VLS.
• Robustheit: Die Methode wurde über drei verschiedene SBDD-Architekturen (VAE, autoregressiv, Diffusion) und 30 verschiedene Protein-Zielstrukturen validiert.
• Analyse der Bindungsmodi: Die Studie untersucht nicht nur die Bindungsaffinität, sondern auch die Übereinstimmung der intermolekularen Wechselwirkungen (z. B. Wasserstoffbrücken, $\pi$-Stacking) zwischen generierten Queries und den gefundenen Analoga.

4. Ergebnisse

• Synthesierbarkeit: Die Top-Suchergebnisse (Search-Hits) weisen eine drastisch verbesserte synthetische Zugänglichkeit (SA-Score) im Vergleich zu den generierten Queries auf.
• Bindungsaffinität: Die synthetisierbaren Analoga zeigen im Durchschnitt gleiche oder sogar bessere vorhergesagte Bindungsaffinitäten (Vina-Scores) als die ursprünglichen generierten Queries. 98,7 % der Such-Hits lagen innerhalb des Fehlerschattens von $\pm 1,5$ kcal/mol der Queries.
• Vergleich mit zufälligem Screening:
  • MGVS (Screening von ca. 2.000 Verbindungen pro Ziel) übertrifft das zufällige Screening von 50.000 Verbindungen aus der ZINC-Datenbank signifikant.
  • Dies entspricht einer 25-fachen Steigerung der Screening-Effizienz.
• Bindungsmodi: Die gefundenen Analoga behalten oft die kritischen Wechselwirkungen der generierten Queries bei. Bei den Top-1-Analoga teilen ca. 99 % mindestens eine spezifische Wechselwirkung mit der Query, und ca. 50 % teilen alle spezifischen (nicht-hydrophoben) Wechselwirkungen auf Residuen-Ebene.
• Metriken: Die Graph Edit Distance (GED) erwies sich als besserer Prädiktor für die Bindungsaffinität und die Übereinstimmung der Wechselwirkungen als herkömmliche Fingerabdruck-Metriken (ECFP4, Daylight).

5. Bedeutung und Fazit
Die Studie demonstriert, dass die Synthesierbarkeit kein unüberwindbares Hindernis für den Einsatz generativer SBDD-Modelle in der Wirkstoffentdeckung ist.

• Generative Modelle sind hervorragend darin, hochpotenzielle chemische Subräume zu identifizieren, auch wenn die generierten Moleküle selbst nicht synthetisierbar sind.
• Durch die Kombination mit schnellen Ähnlichkeitssuchverfahren (MGVS) können synthetisierbare Kandidaten mit hoher Wahrscheinlichkeit und verbesserter Effizienz gefunden werden.
• Angesichts des exponentiellen Wachstums chemischer Datenbanken wird dieser Ansatz, der den Suchraum intelligent einschränkt, für die zukünftige Wirkstoffentwicklung unverzichtbar sein. Die Autoren argumentieren, dass die Weiterentwicklung generativer Modelle hin zu noch besseren Bindern (unabhängig von der Synthesierbarkeit) die Effektivität von MGVS weiter steigern würde.