Resumen Técnico: De los Bolsillos Holo a la Densidad Electrónica: Diseño de Fármacos Estilo GPT con Densidad

1. Declaración del Problema

Los métodos actuales de diseño de fármacos basado en la estructura (SBDD) suelen condicionar la generación de moléculas en "bolsillos" vacíos derivados de complejos holo proteína-ligando. Este enfoque implica eliminar el "relleno" (ligandos y moléculas de solvente) para construir un andamio estático y rígido. Los autores argumentan que esta formulación asume implícitamente que el bolsillo de unión puede representarse con precisión mediante una única conformación estática, suprimiendo así la flexibilidad intrínseca de la proteína y fallando en capturar las adaptaciones conformacionales asociadas a la unión del ligando.

Aunque algunos campos relacionados intentan abordar la flexibilidad de las proteínas mediante conjuntos de bolsillos, estos son difíciles de integrar en marcos generativos unificados. Además, los métodos existentes de generación guiados por densidad electrónica (ED) a menudo dependen de ED proveniente de bolsillos rígidos y vacíos, que pueden ser débiles o estar mal resueltos en regiones flexibles. El artículo postula que la ED del relleno (densidad electrónica derivada del ligando y el solvente proximal) está típicamente bien definida, validada experimentalmente y localizada espacialmente, ofreciendo una señal de condicionamiento más fiable e informativa que codifica naturalmente la flexibilidad conformacional y los patrones de interacción.

2. Metodología: EDMolGPT

Los autores presentan EDMolGPT, un marco autoregresivo solo de decodificador diseñado para generar moléculas de fármacos 3D condicionadas a densidad electrónica (ED) de baja resolución representada como nubes de puntos.

2.1. Señal de Condicionamiento: Densidad Electrónica (ED)

El método utiliza dos tipos de ED para permitir un preentrenamiento unificado y una integración experimental:

• ED Calculada (CalED): Derivada analíticamente de coordenadas atómicas utilizando modelos de dispersión física (Transformada Rápida de Fourier) para un preentrenamiento eficiente a gran escala.
• ED Experimental (ExpED): Obtenida de reconstrucciones de criomicroscopía electrónica (cryo-EM) o difracción de rayos X. Esto captura el ruido de medición, la flexibilidad conformacional y todas las interacciones del relleno.

Generación de Nubes de Puntos:

• Los mapas de ED se reconstruyen mediante una transformación inversa de Fourier truncada.
• Se muestrean nubes de puntos 3D a partir de estos mapas.
• Para enriquecer las características químicas, a cada punto se le asigna un tipo de farmacóforo (Dador de Enlace de Hidrógeno, Aceptor, Ambos u Otro) basado en su distancia mínima a los átomos en el relleno original.
• Los puntos se ordenan por coordenadas espaciales (x, y, z) para proporcionar un orden de entrada consistente para el modelo autoregresivo.

2.2. Representación Molecular

Para superar las limitaciones de los SMILES estándar en la generación 3D autoregresiva (que a menudo producen conformaciones físicamente inconsistentes), el modelo utiliza FSMILES (Fragment SMILES) combinado con características geométricas relativas:

• FSMILES: Una versión modificada de la representación Lingo3DMol que descompone las moléculas en fragmentos mientras preserva las estructuras de anillo y evita una fragmentación excesiva.
• Coordenadas 3D Discretizadas: Las coordenadas espaciales se centran, escalan y redondean a una cuadrícula entera acotada.
• Tokens Geométricos Relativos: Para cada átomo, el modelo predice la longitud de enlace relativa, el ángulo de enlace y el ángulo diedro con respecto a los tres átomos anteriores en la secuencia. Esto modela explícitamente las dependencias estructurales locales.

2.3. Arquitectura y Entrenamiento

• Arquitectura: Un Transformer solo de decodificador (estilo GPT-2) con 24 capas. Toma como entrada una secuencia concatenada de tokens de nube de puntos y tokens de molécula.
• Estrategia de Entrenamiento:
  • Preentrenamiento: Realizado sobre CalED a gran escala derivada de conjuntos de datos públicos (~2 millones de moléculas curadas).
  • Ajuste Fino: Realizado sobre ExpED derivada de mediciones experimentales (PDBbind), que son más realistas pero limitadas en cantidad.
• Inferencia: Las moléculas se generan token por token. Mientras que los tokens FSMILES y geométricos se muestrean mediante muestreo con temperatura, las coordenadas 3D se recuperan restringiendo el espacio de muestreo a una superficie esférica definida por las características geométricas relativas predichas (longitud de enlace, ángulo, diedro) y las posiciones de los tres átomos generados previamente. Esto asegura la consistencia geométrica.

3. Contribuciones Clave

1. Condicionamiento Basado en Relleno: Este trabajo es el primero en incorporar directamente la densidad derivada de cryo-EM/X-ray del relleno (incluyendo solvente) en el modelado generativo para SBDD, alejándose de las representaciones de bolsillos vacíos rígidos.
2. Marco EDMolGPT: Introducción de un modelo autoregresivo solo de decodificador para el diseño de fármacos 3D condicionado a nubes de puntos de ED de baja resolución, combinando simplicidad, flexibilidad y alta eficiencia.
3. Preentrenamiento Unificado e Integración Experimental: La capacidad de utilizar tanto densidades calculadas como experimentales permite un preentrenamiento escalable seguido de un ajuste fino sobre datos experimentales realistas.
4. Validación en DUD-E: Evaluación exhaustiva en 101 objetivos biológicos que demuestra la generación de moléculas con conformaciones 3D favorables y bioactividad.

4. Resultados Experimentales

El modelo se evaluó en el conjunto de datos DUD-E (101 objetivos) frente a métodos SBDD de última generación (Pocket2Mol, TargetDiff, Lingo3DMol, MolCRAFT) y métodos guiados por ED (ED2Mol, ECloudGen).

• Recuperación de Moléculas Bioactivas: EDMolGPT logró la tasa de recuperación más alta (41% de los objetivos), generando con éxito moléculas con una similitud Tanimoto ECFP4 > 0.5 respecto a los activos conocidos. Esto superó a líneas base como Pocket2Mol (8%) y Lingo3DMol (33%).
• Afinidad de Unión: En el protocolo "min-in-place" (minimizando la conformación generada dentro del bolsillo), EDMolGPT logró la puntuación Glide promedio más baja (-6.92), indicando conformaciones de unión al bolsillo superiores en comparación con otros modelos. Además, el 37% de sus moléculas generadas exhibió modos de unión superiores a los obtenidos mediante muestreo clásico de campos de fuerza (redocking).
• Estabilidad Conformacional: A pesar de carecer de refinamiento de campo de fuerza posterior (a diferencia de ED2Mol), EDMolGPT produjo moléculas con energías de tensión comparables a otros modelos principales (percentil 25: 33 kcal/mol).
• Propiedades Tipo Fármaco: El modelo generó moléculas con valores de QED (0.57) y SAS (3.79) competitivos, manteniendo pesos moleculares cercanos a los ligandos de referencia (~385 Da), a diferencia de algunas líneas base que generaron moléculas más pequeñas y simples para inflar artificialmente el QED.
• Rendimiento con ED Experimental (ExpED): Cuando se condicionó a ExpED, EDMolGPT generó ligandos bioactivos que serían rechazados por suposiciones de bolsillos rígidos debido a colisiones estéricas. Los autores señalan que estos ligandos ocupan regiones que son flexibles en realidad pero que aparecen rígidas en estructuras estáticas, destacando la capacidad del método para capturar la variabilidad conformacional.

5. Significado y Afirmaciones

El artículo afirma que EDMolGPT ofrece un cambio de paradigma en el diseño de fármacos basado en la estructura al aprovechar señales de densidad electrónica continuas y fundamentadas físicamente en lugar de abstracciones geométricas rígidas. Al fundamentar la generación en la densidad del "relleno" (ligando + solvente), el modelo cuenta naturalmente con la flexibilidad conformacional y los patrones de interacción que las representaciones de bolsillos estáticos pasan por alto.

Los autores afirman que este enfoque permite la generación de moléculas nuevas y válidas con geometría estructural precisa y fuerte compatibilidad de unión, validado por altas tasas de recuperación de moléculas bioactivas y puntuaciones de acoplamiento favorables en más de 100 objetivos. El trabajo sugiere que el uso de nubes de puntos de ED de baja resolución permite la exploración de espacios químicos inaccesibles para métodos que dependen de suposiciones de bolsillos rígidos, superando potencialmente las limitaciones en las actuales tuberías de cribado virtual.