Deep Ensemble Learning with Graph Attention Mechanisms for Molecular Classification of HIV Inhibitors

Die Suche nach neuen Medikamenten fühlt sich oft an wie die Suche nach der Nadel im Heuhaufen, aber der Heuhaufen besteht aus Milliarden winziger, komplexer Formen, den Molekülen. Jahrzehntelang haben sich Wissenschaftler auf physische Experimente verlassen, um zu testen, welche dieser Formen ein Virus stoppen könnten – ein Prozess, der langsam, teuer und oft frustrierend ineffizient ist. In den letzten Jahren ist ein neues Werkzeug entstanden, um diese Suche zu beschleunigen: künstliche Intelligenz. Anstatt jedes einzelne Molekül im Labor zu testen, können Forscher nun Computer darauf trainieren, Muster in molekularen Strukturen zu erkennen, die darauf hindeuten, dass ein Wirkstoff funktionieren wird. Um dies zu erreichen, übersetzen sie chemische Formeln in zwei verschiedene Sprachen, die Computer verstehen. Eine Sprache zerlegt ein Molekül in eine lange Liste von Merkmalen, ähnlich einem Fingerabdruck, der seine lokalen Details erfasst. Die andere Sprache behandelt das Molekül wie eine Landkarte, bei der Atome Städte sind und chemische Bindungen die Straßen, die sie verbinden, wodurch die Form und die Verbindungen bewahrt werden, die bestimmen, wie sich das Molekül verhält.

Ein Forschungsteam der North South University und der Webster University hat diese digitalen Werkzeuge kürzlich auf eine der beständigsten Herausforderungen der modernen Medizin angewandt: die Suche nach neuen Wegen, um das humane Immundefizienz-Virus, auch bekannt als HIV, zu stoppen. Trotz der Existenz von Behandlungen betrifft das Virus weiterhin Millionen von Menschen weltweit, und es entwickelt häufig Resistenzen gegen aktuelle Medikamente, was die Entdeckung neuer Inhibitoren zu einer dringenden Priorität macht. Die Forscher wandten sich an eine massive öffentliche Datenbank, die über 41.000 Molekülstrukturen enthält, von denen jede als entweder aktiv gegen HIV oder inaktiv gekennzeichnet ist. Diese Datenbank stellte jedoch eine erhebliche Hürde dar: Die überwiegende Mehrheit der Moleküle bewirkte nichts gegen das Virus, wobei nur etwa 3,5 Prozent irgendeine Aktivität zeigten. Dieses extreme Ungleichgewicht ist wie der Versuch, eine Handvoll roter Murmeln in einem Eimer voller blauer Murmeln zu finden; ein Computermodell, das mit solchen Daten trainiert wird, könnte einfach „blau“ für alles vorhersagen und dabei immer noch als hochgradig genau erscheinen, während es bei seiner eigentlichen Aufgabe, die roten Murmeln zu finden, völlig versagt.

Um dieses Problem zu lösen, entwickelten und testeten die Forscher mehrere verschiedene Modelle der künstlichen Intelligenz, von denen jedes einen einzigartigen Ansatz zur Verarbeitung der molekularen Daten verfolgte. Sie begannen mit traditionellen Methoden des maschinellen Lernens, die auf der Art der „Fingerabdruck“-Daten basierten, und nutzten Algorithmen, die bekannt dafür sind, komplexe Informationen zu sortieren. Sie bauten auch ein fortschrittlicheres System auf Basis von Deep Learning auf, das die Moleküle als Landkarten behandelte und dabei eine Technik namens Graph Attention Network verwendete. Dieser spezifische Typ eines Netzwerks ist darauf ausgelegt, die Verbindungen zwischen den Atomen zu betrachten und zu entscheiden, welche Teile des Moleküls am wichtigsten für dessen Aktivität sind – ganz ähnlich wie ein menschlicher Experte, der sich auf die kritischsten Details eines Bauplans konzentriert. Um den Mangel an aktiven Molekülen zu bewältigen, passten die Forscher ihre Trainingsdaten sorgfältig an, um sicherzustellen, dass der Computer den seltenen aktiven Beispielen ebenso viel Aufmerksamkeit schenkte wie den häufigen inaktiven. Sie kombinierten auch ihre leistungsstärksten Modelle zu einem einzigen „Stacking“-Ensemble, bei dem mehrere verschiedene Systeme zusammenarbeiten, wobei ein finales Feedforward-Neural-Network als Schiedsrichter fungiert, um die endgültige Entscheidung zu treffen.

Die Ergebnisse zeigten, dass, obwohl die verschiedenen Ansätze jeweils ihre Stärken hatten, die Kombination der Ansätze die zuverlässigsten Vorhersagen lieferte. Die traditionellen Modelle des maschinellen Lernens schnitten sehr gut ab, wobei XGBoost die aktiven Inhibitoren etwa 85,7 Prozent der Zeit korrekt identifizierte. Das graphbasierte Deep-Learning-Modell, das direkt aus den molekularen Landkarten lernte, erreichte eine etwas geringere Genauigkeit, zeichnete sich jedoch dadurch aus, zwischen aktiven und inaktiven Verbindungen zu unterscheiden – eine entscheidende Fähigkeit für die Arzneimittelentwicklung. Der erfolgreichste Ansatz war jedoch die Ensemble-Methode, die die Stärken der vier besten Modelle des maschinellen Lernens (Random Forest, LightGBM, CatBoost und XGBoost) sowie das neuronale Netzwerk als Schiedsrichter zusammenbrachte. Dieses kombinierte System erreichte eine Genauigkeit von etwa 85,2 Prozent und demonstrierte eine hohe Fähigkeit, die korrekten Kandidaten über die falschen zu ranken. Vielleicht am wichtigsten ist jedoch, dass das graphbasierte Modell ein Fenster in sein eigenes Denken bot. Durch die Analyse der Atome, auf die das Netzwerk den größten Fokus legte, konnten die Forscher sehen, dass der Computer die korrekten chemischen Gruppen identifizierte, die bekannterweise mit dem Virus interagieren, wie etwa bestimmte Sauerstoff- und Stickstoffatome. Dies deutet darauf hin, dass das Modell nicht nur aufgrund zufälliger Muster rät, sondern tatsächlich die realen chemischen Regeln erlernt hat, die bestimmen, wie diese Medikamente wirken.

Die Studie kommt zu dem Schluss, dass zwar keine einzelne Methode perfekt ist, die Zukunft der Arzneimittelentdeckung jedoch im Einsatz mehrerer Perspektiven zusammen liegt. Die fingerprint-basierten Modelle sind schnell und effektiv darin, allgemeine Muster zu erkennen, während die graphbasierten Modelle ein tieferes Verständnis der molekularen Form und Interaktion bieten. Durch die Kombination dieser Ansätze können Wissenschaftler robustere Werkzeuge für das Screening potenzieller Medikamente schaffen. Die Forscher hoben auch hervor, dass ihre Fähigkeit, zu visualisieren, welche Teile eines Moleküls der Computer für wichtig befand, eine Ebene des Vertrauens und der Klarheit schafft, die die künstliche Intelligenz von einer „Black Box“, die Antworten ohne Erklärung liefert, zu einem transparenten Partner macht, der seinen Rechenweg aufzeigen kann. Diese Arbeit beansprucht nicht, ein Heilmittel für HIV gefunden zu haben, aber sie bietet einen verfeinerten, effizienteren Weg, um die chemischen Möglichkeiten zu durchsieben und so den Weg vom Computerbildschirm zu einem lebensrettenden Medikament potenziell zu beschleunigen.