Simpatico: accurate and ultra-fast virtual drug screening with atomic embeddings

Simpatico es una herramienta de cribado virtual de código abierto y ultrarrápida que aprovecha incrustaciones a nivel atómico y recuperación de vecinos más cercanos para lograr una precisión de vanguardia en la predicción de la unión proteína-ligando, superando significativamente tanto al acoplamiento tradicional como a los métodos existentes basados en incrustaciones en velocidad y precisión sin requerir estimación de pose 3D.

Lo esencial

Imagina que eres un detective tratando de encontrar la llave perfecta para abrir una puerta específica y compleja (una proteína que causa enfermedades). En el mundo del descubrimiento de fármacos, esta "llave" es una molécula diminuta, y hay miles de millones de llaves potenciales en un almacén gigante.

La Vieja Forma: El Herrero Lento
Tradicionalmente, los científicos usaban un método llamado "acoplamiento molecular". Esto es como contratar a un cerrajero para probar cada llave individualmente contra la puerta, una por una. Ellos prueban físicamente el ajuste, miden qué tan bien gira y registran el resultado. Aunque es preciso, esto es increíblemente lento. Si tienes mil millones de llaves, probarlas una por una toma una eternidad. Es demasiado lento para el descubrimiento moderno de fármacos.

La Forma Intermedia: El Enfoque de "Una Reseña"
Recientemente, un nuevo método llamado "recuperación por incrustación" (como una herramienta llamada DrugCLIP) intentó acelerar las cosas. En lugar de probar las llaves una por una, creó una "cédula de identificación resumida" para cada llave y cada puerta. Aprendió a agrupar llaves y puertas que pertenecen juntas en un gigantesco archivador digital. Para encontrar una coincidencia, simplemente buscaba las cédulas de identificación más cercanas.

Sin embargo, este método tenía un defecto: aplastaba toda la puerta y toda la llave en una sola cédula de identificación. Era como describir una casa compleja de múltiples habitaciones con una sola oración. Si una llave solo encajaba en la puerta principal pero no en la trasera, la cédula de identificación resumida no podía capturar ese matiz. Perdía detalles importantes sobre dónde encajaban las partes.

La Nueva Forma: Simpatico (El Emparejador Atómico)
El artículo presenta una nueva herramienta llamada Simpatico. En lugar de crear una cédula de identificación resumida para toda la llave o toda la puerta, Simpatico crea una cédula de identificación única para cada átomo individual (los bloques de construcción diminutos) dentro de la llave y la puerta.

Piénsalo así:

• La Puerta: En lugar de una cédula de identificación para toda la casa, Simpatico hace una cédula de identificación específica para el pomo de la puerta principal, la ventana trasera y el portón lateral.
• La Llave: Hace lo mismo con la llave, creando cédulas de identificación para cada pequeño bulto y surco en su superficie.

Cómo Funciona
Simpatico está entrenado para saber que si un bulto específico en una llave suele tocar un surco específico en una puerta, sus cédulas de identificación deberían ser "mejores amigos" en el archivador digital.

Cuando los científicos quieren encontrar un fármaco:

1. Toman la "puerta" (la proteína) y miran las cédulas de identificación de sus partes específicas (el bolsillo donde encaja el fármaco).
2. Le preguntan al archivador: "¿Qué llaves en nuestro almacén de mil millones de llaves tienen partes que son mejores amigos con estas partes específicas de la puerta?"
3. El sistema encuentra instantáneamente los átomos coincidentes.
4. Un paso matemático simple suma estas coincidencias para dar una puntuación a toda la llave.

Por Qué Es un Cambio de Juego

• Velocidad: Porque busca partes coincidentes en lugar de probar llaves completas, es increíblemente rápido, órdenes de magnitud más rápido que los métodos antiguos. Puede escanear miles de millones de opciones en el tiempo que los métodos antiguos tardan en verificar unos pocos miles.
• Precisión: Aunque fue entrenado con un conjunto de datos relativamente pequeño (aproximadamente 15.000 ejemplos) y no necesitaba adivinar la forma tridimensional de la llave de antemano, es más preciso para encontrar las coincidencias correctas que los antiguos métodos de "resumen" e incluso mejor que las complejas simulaciones basadas en física.
• Código Abierto: Los creadores hicieron la herramienta, el código y los datos gratuitos para que todos los usen.

En resumen, Simpatico no solo adivina si una llave encaja en una puerta; verifica si los pequeños bultos en la llave coinciden con los pequeños surcos en la puerta, haciéndolo tan rápido y con tanta precisión que supera a los mejores métodos actuales en el campo.

Resumen técnico

Resumen Técnico: Simpatico

Enunciado del Problema
El cribado virtual es un paso crítico temprano en el descubrimiento de fármacos, que implica la evaluación in-silico de vastas bibliotecas de moléculas pequeñas para identificar aquellas que se unen a una diana proteica terapéutica. El enfoque dominante, el acoplamiento molecular, requiere un cálculo separado y computacionalmente costoso para cada par proteína-molécula. Esto hace que el acoplamiento sea prohibitivamente lento para las bibliotecas de compuestos modernas que contienen miles de millones de compuestos. Aunque los paradigmas recientes de incrustación-recuperación (por ejemplo, DrugCLIP) han intentado abordar este cuello de botella mapeando proteínas y ligandos en un espacio de incrustación compartido para la recuperación de vecinos más cercanos, sufren una limitación significativa: colapsan cada proteína completa y cada ligando completo en un único vector de incrustación. Este "cuello de botella de información" restringe la capacidad del modelo para representar compatibilidades de unión parciales o alternativas, ya que no puede distinguir qué partes específicas de una molécula son responsables de la unión.

Metodología
Los autores presentan Simpatico, una herramienta de cribado virtual basada en incrustación-recuperación diseñada para superar las limitaciones de las representaciones de vector único. En lugar de generar una incrustación por molécula, Simpatico produce una incrustación única para cada átomo dentro de un bolsillo proteico o un ligando.

• Objetivo de Entrenamiento: El modelo utiliza un objetivo contrastivo estilo CLIP. Entrena incrustaciones atómicas de tal manera que los pares de átomos proteína-ligando que se sabe que interactúan se posicionen cerca en el espacio de incrustación.
• Proceso de Cribado: Para cribar una diana proteica, el sistema utiliza cada incrustación de átomo proteico como consulta contra una base de datos vectorial que contiene incrustaciones atómicas precalculadas de moléculas pequeñas. Esto devuelve los átomos coincidentes más cercanos de la biblioteca.
• Puntuación: Un paso simple de agregación asigna una puntuación de unión final a cada molécula candidata en función de los átomos recuperados que contiene.
• Eficiencia de Indexación: A diferencia de los métodos de recuperación anteriores que indexan un vector por ligando, Simpatico indexa un vector por átomo pesado. En consecuencia, el tiempo de consulta crece de forma sublineal con el tamaño de la biblioteca, permitiendo la escalabilidad a escalas de miles de millones de compuestos.

Contribuciones Clave

• Incrustaciones a Nivel Atómico: El cambio de incrustaciones globales de moléculas a incrustaciones por átomo, lo que permite la representación de compatibilidad de unión parcial.
• Arquitectura de Recuperación Eficiente: Un sistema que aprovecha las bases de datos vectoriales para consultas a nivel atómico, logrando un crecimiento sublineal del tiempo de consulta.
• Eficiencia de Datos: El modelo logra un alto rendimiento entrenado únicamente con ~15,000 complejos proteína-ligando del conjunto de datos PDBBind, sin requerir preentrenamiento ni estimación de poses de ligandos 3D.

Resultados
En benchmarks de señuelos desafiantes, Simpatico logra una precisión predictiva de vanguardia. Específicamente:

• Supera a los métodos recientes de recuperación densa.
• Excede la precisión de los métodos de acoplamiento basados en física y de acoplamiento potenciado por aprendizaje profundo.
• Es competitivo con los métodos de acoplamiento basados en difusión.
• En términos de velocidad, funciona órdenes de magnitud más rápido que el acoplamiento basado en física, el acoplamiento potenciado por aprendizaje profundo y el acoplamiento basado en difusión.

Significado
El artículo posiciona a Simpatico como una solución al compromiso entre escalabilidad y precisión en el cribado virtual. Al alejarse del cuello de botella de información de las representaciones de vector único, permite el cribado rápido de bibliotecas de miles de millones de compuestos con una precisión que rivaliza o supera a los métodos de acoplamiento más intensivos computacionalmente. La herramienta se lanza como software de código abierto, con código, pesos y datos disponibles para la comunidad.