Resumen Técnico: ABOPD – Diseño de CDR de Anticuerpos mediante Destilación On-Policy

1. Planteamiento del Problema

El diseño computacional de las Regiones Determinantes de la Complementariedad (CDR) de los anticuerpos es un desafío crítico en la ingeniería de proteínas, ya que estos bucles flexibles determinan el reconocimiento del antígeno. Si bien los modelos generativos recientes basados en difusión han avanzado en el campo, existe un desajuste fundamental entre el objetivo de entrenamiento y el proceso de inferencia:

• Distribución de Entrenamiento: El entrenamiento de eliminación de ruido (denoising) estándar supervisa los modelos sobre "estados derivados de la referencia", que son estructuras ruidosas generadas al perturbar CDRs nativos (verdad de campo o ground truth).
• Distribución de Inferencia: Durante la generación, el modelo produce estados de forma recursiva basándose en sus propias predicciones previas.
• El Desajuste: A medida que la trayectoria de generación avanza, los errores de predicción se acumulan, lo que provoca que el modelo visite estados que se desvían significativamente de la distribución derivada de la referencia utilizada durante el entrenamiento. Esto es particularmente perjudicial para CDRs flexibles como el CDR-H3, donde pequeñas desviaciones en el esqueleto (backbone) pueden propagarse, provocando choques estéricos y geometrías de orientación hacia el antígeno incorrectas.

Las estrategias de post-entrenamiento existentes, como el Ajuste Fino Supervisado (SFT) o la destilación offline, continúan operando sobre la distribución derivada de la referencia, fallando al no corregir los errores que surgen específicamente a lo largo de la propia trayectoria de generación del modelo.

2. Metodología: Marco de Trabajo ABOPD

Los autores proponen ABOPD (un marco de diseño de anticuerpos basado en On-Policy Distillation), una estrategia de post-entrenamiento diseñada para alinear la supervisión estructural con los estados que se encuentran realmente durante la generación recursiva. El marco consta de tres etapas principales:

A. Preentrenamiento Híbrido (H-DiffAb)

Para establecer una inicialización robusta, los autores preentrenan un único modelo, H-DiffAb, a través de diversos escenarios de enmascaramiento: CDR único, multi-CDR y máscaras de objetivo de los seis CDRs. Este modelo sirve como inicialización tanto para el estudiante como para el profesor, asegurando comparaciones justas.

B. Adaptación del Profesor Consciente del Esqueleto (Backbone-Aware)

Un modelo "Profesor" se deriva de H-DiffAb incorporando información privilegiada disponible solo durante el entrenamiento: la geometría nativa de los residuos objetivo.

• Arquitectura: El profesor utiliza adaptadores MLP residuales ligeros para codificar las coordenadas $C_\alpha$ nativas, las máscaras de validez de átomos (N, $C_\alpha$, C, O, $C_\beta$) y las características de distancia entre el objetivo y el complejo.
• Función: Estos descriptores privilegiados condicionan la predicción de eliminación de ruido sin alterar la representación del estado de difusión. El profesor se optimiza sobre estados derivados de la referencia para minimizar los errores de coordenadas y orientación, lo que resulta en un modelo con capacidades de predicción geométrica superiores en comparación con el H-DiffAb base.

C. Destilación On-Policy (La Innovación Central)

El modelo "Estudiante" es post-entrenado utilizando un enfoque de objetivo mixto:

1. Rollout del Estudiante: El estudiante genera trayectorias de eliminación de ruido inverso (rollouts) comenzando desde estados completamente ruidosos.
2. Emparejamiento de Estados: En pasos de tiempo específicos ($t \in \{80, 70, \dots, 5\}$), el Profesor congelado evalúa el mismo estado generado por el estudiante ($R^S_t$) que el estudiante está procesando actualmente.
3. Destilación de Transición de Coordenadas: El estudiante es entrenado para coincidir con el ruido de coordenadas predicho por el Profesor ($\hat{\epsilon}^{pos}$) en estos estados de rollout. Esto se formula como una minimización de la divergencia KL inversa, simplificada a una pérdida $L_2$ sobre las predicciones de ruido de coordenadas:
   $$\mathcal{L}_{OPD}^{pos} = \mathbb{E} \left[ \sum_{t \in \mathcal{T}} \sum_{i \in \mathcal{G}} \| \hat{\epsilon}^{pos}_{S, t, i} - \hat{\epsilon}^{pos}_{T, t, i} \|^2_2 \right]$$
   Crucialmente, esta supervisión se aplica solo a las coordenadas $C_\alpha$, ya que estas controlan directamente la geometría del esqueleto y la colocación de los bucles. Las predicciones de secuencia y orientación no se destilan en este paso para evitar el sobreajuste a las predicciones de secuencia potencialmente imperfectas del profesor.
4. Ancla de Denoising Offline: Para preservar el objetivo conjunto de secuencia-estructura-orientación aprendido durante el preentrenamiento, se retiene la pérdida de eliminación de ruido original ($\mathcal{L}_{anchor}$) sobre estados de referencia derivados muestreados de forma independiente.
5. Objetivo Final: $\mathcal{L}_{ABOPD} = \mathcal{L}_{anchor} + \beta \mathcal{L}_{OPD}^{pos}$ (con $\beta=0.6$).

3. Contribuciones Clave

1. Identificación del Desajuste de Distribución de Estados: El artículo destaca que la brecha entre los estados derivados de la referencia y los estados de rollout del estudiante se amplía durante el proceso de eliminación de ruido, particularmente en las etapas posteriores de refinamiento donde las correcciones geométricas son más críticas.
2. Marco ABOPD: La propuesta de un método de destilación on-policy que combina la destilación de transición de coordenadas $C_\alpha$ en estados de rollout del estudiante con un ancla de eliminación de ruido offline.
3. Profesor Consciente del Esqueleto: La demostración de que un modelo profesor aumentado con geometría nativa privilegiada proporciona objetivos geométricos significativamente más precisos que los modelos estándar, incluso si su precisión de secuencia no es superior.

la Evaluación de Resultados

El método fue evaluado en dos benchmarks: Rediseño simultáneo de múltiples CDR (19 complejos SAbDab) y Generación de RAbD CDR-H3 (60 casos objetivo).

• Rendimiento de RAbD CDR-H3: ABOPD redujo el RMSD de $C_\alpha$ de 2.37 Å a 1.95 Å (una mejora de 0.42 Å) en comparación con la línea base de H-DiffAb. También superó tanto al SFT como a los controles de destilación offline.
• Rediseño Multi-CDR: ABOPD mejoró el RMSD en todos los seis CDRs, con la ganancia más significativa en CDR-H3 (2.94 Å $\to$ 2.48 Å). También redujo significativamente las tasas de choque intra-CDR y CDR–antígeno (de 0.93% a 0.42% y de 1.58% a 0.67%, respectivamente).
• Fidelidad Geométrica: Se observaron mejoras en lDDT, TM-score y DockQ, lo que indica una mejor geometría local, estructura de cadena pesada global y colocación de la interfaz.
• Análisis de Mecanismo: El análisis por paso de tiempo reveló que la "ventaja del Profesor" (la reducción de error proporcionada por el profesor sobre el modelo base) se vuelve positiva solo en los pasos de tiempo posteriores ($t \le 50$). Esto confirma que la supervisión on-policy es más efectiva durante las etapas finales de refinamiento geométrico, cuando la trayectoria del estudiante ya se ha desviado de la distribución de referencia.
• Estudios de Ablación: Destilar solo la rama de coordenadas arrojó los mejores resultados. Añadir la destilación de secuencia u orientación no proporcionó beneficios adicionales y, en algunos casos, degradó el rendimiento.

5. Significado y Reivindicaciones

El artículo afirma que ABOPD ofrece un camino hacia un diseño de proteínas de mayor fidelidad al abordar las limitaciones específicas de las estrategias de post-entrenamiento estándar.

• Enfoque Complementario: Los autores posicionan a ABOPD como una dirección complementaria al preentrenamiento a gran escala y a las nuevas arquitecturas generativas. Demuestra que el post-entrenamiento estructural efectivo no depende solo de la señal de supervisión, sino de aplicar esa señal a los estados correctos (es decir, aquellos visitados durante la generación).
• Alcance Modesto: Los autores declaran explícitamente que su método mejora la recuperación del esqueleto y la precisión geométrica, pero no pretende resolver necesariamente todos los aspectos del diseño de anticuerpos (por ejemplo, las ganancias en la recuperación de secuencias fueron modestas). La contribución principal es la validación de la destilación on-policy para corregir errores geométricos acumulados en la generación de anticuerpos basada en difusión.