Resumen Técnico: FORGE (Ranking y Generación Orientados a Fragmentos)

1. Declaración del Problema

La optimización molecular busca mejorar las propiedades de una molécula inicial mediante pequeñas ediciones estructurales, manteniendo al mismo tiempo una alta similitud con el compuesto original. Los enfoques actuales de vanguardia suelen plantear esto como una tarea de generación de secuencias condicionada por prompts utilizando modelos de lenguaje grandes (LLM). Los autores argumentan que esta formulación es fundamentalmente desalineada con la naturaleza de edición local del problema por dos razones:

1. Desajuste Semántico: Los objetivos reales del descubrimiento de fármacos (p. ej., puntuaciones de unión propietarias, clasificadores ADMET) a menudo carecen de descripciones en lenguaje natural fieles. Confiar en prompts de texto conduce a un control débil, y el entrenamiento sobre datos de cadena de pensamiento destilados por LLM a menudo hereda inexactitudes químicas o alucinaciones.
2. Contexto Ignorado: La contribución de un fragmento molecular a una propiedad depende fuertemente de su entorno químico local. Tratar las contribuciones de los fragmentos como escalares globales y libres de contexto colapsa información estructural crítica e introduce ruido en las etiquetas.

2. Metodología: Marco FORGE

FORGE (Ranking y Generación Orientados a Fragmentos) reformula la optimización molecular como edición local consciente del contexto. Descompone la tarea en dos decisiones explícitas: dónde editar y cómo editar. El marco se basa en un modelo de lenguaje compacto de 0.6B (Qwen3-0.6B) y opera en dos etapas supervisadas, seguidas de un mecanismo de inferencia adaptado para objetivos de caja negra.

Componentes Principales

• Tokenización a Nivel de Átomo (QwenAtom): Para garantizar una identidad de fragmento estable a través de diferentes moléculas huésped, los autores reemplazan la codificación estándar Byte-Pair (BPE) con un analizador atómico basado en expresiones regulares para cadenas SMILES. Esto asegura que la misma subestructura química se tokenice de manera idéntica independientemente de la molécula circundante, un prerrequisito para una supervisión fiable a nivel de fragmento.
• Etapa 1: Ranking de Fragmentos Consciente del Contexto (Discriminativo):
  • Objetivo: Determinar dónde editar.
  • Mecanismo: El modelo clasifica fragmentos según su contribución a una propiedad objetivo dentro del contexto molecular completo.
  • Supervisión: Utiliza datos basados en reglas (RDKit para propiedades como QED, logP) y atribución basada en GNN (SME) para propiedades como hERG y ESOL. Críticamente, emplea SME+, una extensión condicionada al contexto de la Explicación de Máscara de Subestructura que agrupa las ocurrencias de fragmentos por su entorno local ECFP (radio $r=2$) en lugar de agregarlos globalmente.
  • Tareas: Descomposición, clasificación, predicción de vulnerabilidad y clasificación mediante aprendizaje en contexto (ICL).
• Etapa 2: Reemplazo Explícito de Fragmentos (Generativo):
  • Objetivo: Determinar cómo editar.
  • Mecanismo: Genera reemplazos explícitos para los fragmentos débiles identificados.
  • Supervisión: Entrenado con pares de edición verificados de bajo a alto derivados de:
    1. SME+: Reemplazos específicos del contexto que mejoran las puntuaciones dentro de un bin de entorno específico.
    2. Pares de Moléculas Coincidentes (MMPs) de ChEMBL: Pares reales que comparten un andamio pero difieren en un fragmento, filtrados para excluir objetivos de referencia (DRD2, JNK3, GSK3-β) para evitar filtración de datos.
  • Formato de Salida: Sintaxis de modificación explícita (p. ej., frag_src >> frag_tgt) en lugar de reescritura completa de la molécula.
• Inferencia: Aprendizaje en Contexto (ICL) para Objetivos de Caja Negra:
  • FORGE se adapta a objetivos de caja negra no vistos y sin nombre sin actualizaciones de gradiente.
  • Mantiene un buffer de reproducción de tuplas (molécula fuente, modificación, molécula resultado, puntuación del oráculo).
  • Durante la búsqueda, el modelo se solicita con demostraciones muestreadas de este buffer (sesgadas hacia puntuaciones altas) para inferir el objetivo y proponer ediciones.

3. Contribuciones Clave

1. Estrategia de Datos: Demostró que las ediciones de fragmentos verificadas por reglas y condicionadas al contexto son una alternativa viable, escalable y libre de alucinaciones a los objetivos en lenguaje natural o a los costosos datos de cadena de pensamiento destilados por LLM.
2. Diseño del Marco: Propuso FORGE, un marco de dos etapas que desacopla la optimización en clasificación condicionada al contexto (dónde) y generación de reemplazos explícitos (cómo), utilizando tokenización a nivel de átomo para estabilizar la identidad del fragmento.
3. Eficiencia de Rendimiento: Mostró que un modelo de 0.6B que utiliza este marco logra resultados de vanguardia, superando significativamente a modelos más grandes (LLMs de 8B+, GPT-4o) y métodos basados en grafos en múltiples puntos de referencia.

4. Resultados Experimentales

Los autores evaluaron FORGE en cinco puntos de referencia:

• Prompt-MolOpt (ADMET con Restricción de Similitud): FORGE supera consistentemente a las líneas base, ampliándose la brecha de rendimiento a medida que se endurecen las restricciones de similitud ($\delta=0.6$). En $\delta=0.6$, FORGE logra una puntuación SUM de 2.882 en comparación con 0.824 para el Prompt-MolOpt original, demostrando que la edición local de fragmentos es superior a la reescritura completa de SMILES bajo restricciones estrictas.
• PMO-1k (Optimización de Caja Negra): En 22 tareas de caja negra sin nombre con un presupuesto limitado de 1,000 llamadas, FORGE logra una puntuación agregada de 12.42, superando a LICO (11.71) y otros métodos sin gradiente.
• QED-DRD2 (Modificación Explícita): Al comparar formatos de salida, la variante de modificación explícita de FORGE supera a la variante de generación de extremo a extremo entre 3 y 5 puntos porcentuales, particularmente en umbrales de similitud estrictos.
• Optimización de Líderes (Acoplamiento a Objetivos Reales): En tareas de acoplamiento para cinco dianas proteicas, FORGE logra las mejores puntuaciones de acoplamiento en 20 de 30 configuraciones, superando significativamente a Graph GA y GenMol, especialmente bajo restricciones de similitud ajustadas.
• ChemCoTBench (Modelo Pequeño vs. Modelos Grandes): Un modelo FORGE de 0.6B iguala o supera el rendimiento de Qwen-3-8B (SFT) y GPT-4o en seis tareas de optimización. Notablemente, en tareas de objetivos reales (DRD2, JNK3, GSK3-β), FORGE logra tasas de éxito del 86–94%, mientras que las líneas base de 8B y GPT-4o luchan con tasas entre 20–48%.

5. Significado y Afirmaciones

El artículo afirma que el valor principal de FORGE radica en cambiar el paradigma de la condicionamiento en lenguaje natural a la supervisión explícita a nivel de fragmento.

• El Contexto es Rey: Los autores proporcionan evidencia empírica de que los efectos de los fragmentos son altamente dependientes del contexto; condicionar la atribución de fragmentos a entornos locales (mediante SME+) reduce la varianza entre un 8 y un 10% y es crítico para el rendimiento bajo restricciones de similitud.
• Limitaciones de los Prompts: Los experimentos muestran que cambiar la descripción en lenguaje natural de un objetivo de caja negra en un prompt tiene un efecto negligible (<3% de cambio en la puntuación) en el comportamiento de optimización, lo que indica que el lenguaje natural es una señal de control débil para estas tareas.
• Escalabilidad: El marco demuestra que un modelo pequeño y especializado (0.6B) puede superar a modelos generalistas masivos cuando los datos de entrenamiento y el formato de salida están alineados con la naturaleza estructural del problema químico (ediciones locales en lugar de generación global).

Los autores concluyen que la supervisión explícita a nivel de fragmento es una alternativa más fácil de obtener, escalable y fiable al entrenamiento en lenguaje natural para la optimización molecular, particularmente al tratar con objetivos de caja negra y restricciones estructurales estrictas.