🧬 biology

TACTIVS: Test-time actives induction for flexible target-specific virtual screening

TACTIVS es un marco de inducción activa en tiempo de prueba que aprovecha un modelo fundacional molecular preentrenado para realizar un cribado virtual flexible y específico para cada objetivo mediante la combinación de calibración libre de etiquetas y propagación de grafos ponderada por conectividad, logrando un enriquecimiento competitivo sin requerir el ajuste fino del modelo incluso cuando los activos de consulta y de soporte pertenecen a series químicas distintas.

Autores originales: Douglas Houston, Lin Chen, Haoying Wang, Andreas Luttens, Pedro Ballester

Publicado 2026-10-09

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Douglas Houston, Lin Chen, Haoying Wang, Andreas Luttens, Pedro Ballester

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

En las etapas iniciales del descubrimiento de un nuevo medicamento, los científicos se enfrentan al problema de buscar una aguja en un pajar. Deben cribar vastas bibliotecas que contienen millones de compuestos químicos para encontrar los pocos que podrían unirse con éxito a un objetivo de enfermedad específico y evitar que este cause daño. Tradicionalmente, los investigadores se han basado en dos estrategias principales para reducir esta búsqueda. Un enfoque observa la forma física del objetivo, como una cerradura, e intenta encontrar una llave que encaje. El otro observa llaves que ya funcionan —moléculas que ya se ha demostrado que activan el objetivo— y busca otras que sean similares. Mientras que el primer método requiere mapas 3D detallados del objetivo, el segundo depende de tener al menos un ejemplo funcional para empezar. El desafío surge cuando los científicos tienen muy pocos ejemplos, quizás solo una única molécula activa confirmada, y necesitan encontrar más sin perder el tiempo en millones de callejones sin salida.

Un equipo de investigadores de la Universidad de Edimburgo, el Instituto Karolinska y el Imperial College de Londres ha desarrollado un nuevo método llamado TACTIVS para resolver este problema específico. En lugar de intentar reentrenar un modelo informático complejo cada vez que se descubre una nueva molécula activa, lo que normalmente requiere una gran cantidad de datos, TACTIVS funciona reorganizando instantáneamente la forma en que el ordenador visualiza toda la biblioteca de productos químicos. El sistema toma una comprensión preentrenada y fija de las formas moleculares y utiliza las pocas moléculas activas conocidas para remodelar la búsqueda de inmediato. Lo hace creando un mapa donde las moléculas activas conocidas actúan como faros. El sistema luego traza rutas a través de la biblioteca, no solo buscando moléculas que se parezcan exactamente a los faros, sino también aquellas que están conectadas a ellos a través de una cadena de similitudes químicas. Esto permite al sistema encontrar candidatos prometedores que podrían ser bastante diferentes de los ejemplos iniciales, pero que aún pertenecen a la misma familia funcional.

Los investigadores probaron este enfoque en varios conjuntos de datos grandes y estándar utilizados para evaluar el rendimiento del cribado virtual. En una prueba que involucró casi 150 objetivos biológicos diferentes, el nuevo método fue capaz de identificar moléculas activas de manera mucho más efectiva que las técnicas existentes cuando se le proporcionó un solo ejemplo de molécula activa conocida. Cuando el equipo aumentó el número de ejemplos de moléculas activas conocidas a diez, la capacidad del método para encontrar los compuestos correctos mejoró significamente, superando tanto a las herramientas tradicionales de coincidencia de formas como a otros sistemas avanzados basados en el aprendizaje. Crucialmente, el método demostró que podía encontrar moléculas activas incluso cuando eran químicamente distintas de los ejemplos iniciales. En una prueba estricta donde las moléculas activas conocidas y los compuestos del objetivo pertenecían a familias químicas completamente diferentes, el sistema aun así logró clasificar los compuestos correctos en una posición mucho más alta de lo que permitiría el azar. Esto sugiere que el método no está simplemente encontrando copias cercanas de las moléculas iniciales, sino que está navegando con éxito por el panorama químico más amplio para encontrar nuevos tipos de fármacos eficaces.

El núcleo de este éxito reside en cómo el sistema gestiona los datos. En lugar de ajustar los parámetros internos del modelo informático para adaptarse al nuevo objetivo, lo cual puede ser inestable con muy pocos datos, los investigadores ajustaron la forma en que se miden los datos. Aplicaron una transformación matemática que elimina el ruido de fondo y resalta las diferencias específicas que importan para la búsqueda actual. Esto permite que el sistema vea las relaciones entre las moléculas con mayor claridad. Al combinar una comparación directa con las moléculas activas conocidas y un análisis más amplio de cómo se conectan las moléculas entre sí en la biblioteca, el sistema crea una clasificación que evoluciona a medida que se dispone de más información. Si un científico descubre un nuevo compuesto activo durante un experimento, simplemente puede añadirlo a la lista, y el sistema recalcula instantáneamente las clasificaciones sin necesidad de ser reentrenado.

Este trabajo demuestra que el valor de un único resultado experimental puede maximizarse utilizandolo para guiar una búsqueda flexible en toda la biblioteca. Los hallazgos sugieren que, para muchas campañas de descubrimiento de fármacos, especialmente donde los datos son escasos, la estrategia más eficaz no es construir un nuevo modelo para cada objetivo, sino utilizar una comprensión compartida y robusta de la química y adaptar la estrategia de búsqueda sobre la marcha. Los investigadores descubrieron que, a medida que se añadían más moléculas activas al conjunto de referencia, la calidad de la búsqueda mejoraba de forma constante, confirmando que el método aprende de la evidencia acumulada. Al demostrar que un sistema puede permanecer fijo mientras la estrategia de búsqueda se adapta a nuevos objetivos, este enfoque ofrece un camino práctico y eficiente para la identificación de nuevos medicamentos en las etapas iniciales del descubrimiento, cuando los datos son escasos.

Resumen Técnico: TACTIVS

Planteamiento del Problema
El cribado virtual (VS) es una piedra angular en las etapas iniciales del descubrimiento de fármacos; sin embargo, extraer el máximo valor de datos experimentales limitados sigue siendo un desafío significativo, particularmente en el régimen de "pocos ejemplos" (few-shot) donde solo se dispone de un pequeño número de moléculas activas conocidas. El cribado virtual basado en ligandos (LBVS) tradicional depende de métricas de similitud predefinidas o reglas de alineación, que a menudo no logran dar cuenta de la organización más amplia de la biblioteca de candidatos. Por el contrario, los métodos recientes de pocos ejemplos basados en la estructura frecuentemente requieren entrenamiento adicional específico del objetivo o la adaptación del modelo (por ejemplo, el ajuste de parámetros o fine-tuning), lo cual es computacionalmente costoso y propenso al sobreajuste cuando los datos son escasos. Un desafío central no resuelto es cómo lograr clasificaciones específicas para cada objetivo de manera flexible directamente en el tiempo de prueba, sin reentrenar los codificadores ni ajustar lecturas (readouts) específicas del objetivo, aprovechando al mismo tiempo la estructura relacional de toda la biblioteca de cribado.

Metodología
Los autores presentan TACTIVS (Test-time ACTIves induction for flexible target-specific VS), un marco de inferencia transductiva basada en ligandos. A diferencia de los enfoques convencionales que tratan a los candidatos como comparaciones de similitud independientes o requieren actualizaciones de parámetros, TACTIVS construye una clasificación específica del objetivo mediante la propagación de evidencia desde los activos conocidos a través de un grafo de vecindad de toda la biblioteca de candidatos.

El flujo de trabajo consta de tres etapas primarias:

Representación Congelada y Caché de Incrustaciones (Embedding Cache):
TACTIVS utiliza un modelo de Transformador Equivariante Preentrenado (EPT). El codificador se mantiene congelado durante todo el proceso. Los confórmeros moleculares de la biblioteca de cribado y de los activos de referencia se codifican en vectores de 512 dimensiones. Estos vectores se almacenan en caché para evitar la codificación repetida. Crucialmente, el marco emplea una estimación de covarianza compartida derivada de un corpus molecular independiente y a gran escala (partición de entrenamiento PDBscreen) en lugar de la biblioteca específica del objetivo. Esto evita la inestabilidad estadística cuando las bibliotecas de los objetivos son pequeñas.
Calibración Libre de Etiquetas (Label-Free Calibration/Whitening):
Para abordar la anisotropía de las representaciones preentrenadas, TACTIVS aplica una transformación de blanqueo (whitening). El método centra las incrustaciones utilizando la media balanceada por moléculas de la biblioteca del objetivo actual y aplica un blanqueador de raíz cuadrada inversa simétrica basado en la matriz de covarianza compartida con regularización de contracción (shrinkage). Esto transforma las incrustaciones en un espacio donde las direcciones de alta varianza en la distribución de preentrenamiento no dominan la métrica de similitud, haciendo que la información sea más accesible para la recuperación basada en similitud simple.
Inferencia Transductiva mediante Propagación de Grafos:
La inferencia combina dos fuentes de evidencia:
- Similitud Directa Activo-Referencia: Los candidatos se califican según su similitud directa con los confórmeros de las referencias activas conocidas.
- Evidencia Relacional Propagada por Grafo: Se construye un grafo de vecindad ponderado sobre toda la biblioteca (incluyendo tanto activos como candidatos) utilizando las incrustaciones calibradas. Los activos conocidos "siembran" el grafo con evidencia de actividad. Esta evidencia se propaga luego a través del grafo utilizando un mecanismo de paseo aleatorio con reinicio (random walk with restart). Esto permite que los candidatos que no son vecinos directos de un activo aún puedan recibir apoyo si están conectados mediante moléculas intermedias, capturando rutas moleculares de múltiples pasos.
La puntuación de clasificación final es una combinación lineal de la similitud directa estandarizada y la puntuación de propagación del grafo. El marco no requiere el ajuste (fine-tuning) del codificador ni el ajuste de la lectura específica del objetivo; se adapta únicamente mediante la selección de las moléculas de referencia y el contexto de la biblioteca.

Contribuciones Clave

Adaptación en Tiempo de Prueba sin Entrenamiento: TACTIVS logra la especificidad del objetivo contextualizando los activos conocidos dentro del colector (manifold) de los candidatos en el momento de la inferencia, eliminando la necesidad de actualizaciones de parámetros o datos de entrenamiento adicionales.
Propagación de Grafos Transductiva: Introduce un enfoque de inferencia a nivel de biblioteca donde la colección de cribado se convierte en parte del proceso de inferencia, permitiendo que la evidencia fluya a través de la red molecular en lugar de depender únicamente de la similitud por pares.
Calibración de Covarianza Robusta: El uso de una estimación de covarianza externa y compartida para el blanqueo asegura una calibración estable incluso cuando la biblioteca del objetivo es pequeña o químicamente redundante, evitando la inestabilidad de estimar la covarianza a partir de datos de pocos ejemplos.
Generalización de Series Químicas: El método está diseñado para recuperar moléculas activas que pertenecen a series químicas distintas de las de la referencia, yendo más allá de la recuperación de análogos estructurales cercanos.

Resultados
Los autores evaluaron TACTIVS en dos familias de referencia principales: VSDS-vd (subconjuntos TrueDecoy y RandomDecoy) y LIT-PCBA.

Desempeño en VSDS-vd: TACTIVS superó significativamente a los modelos base del estado del arte, incluyendo el acoplamiento molecular basado en estructura (ej. Glide, AutoDock), métodos híbridos y otros enfoques basados en ligandos. Con una sola referencia activa, TACTIVS logró un EF@0.5% de 19.09 en TrueDecoy, superando sustancialmente el mejor valor de referencia publicado de 6.91. El desempeño mejoró consistentemente a medida que aumentaba el número de activos de referencia ( $K$ ), alcanzando un EF@1% de 34.13 con $K=10$ .
Desempeño en LIT-PCBA: En una comparación contra modelos de cero ejemplos (zero-shot, como ConGLUDe) y modelos de adaptación de pocos ejemplos (few-shot, como Drug-few), TACTIVS demostró un enriquecimiento temprano superior. Con $K=8$ , alcanzó un BEDROC de 0.182, superando tanto al modelo de 8 ejemplos de Drug-few como al modelo zero-shot de ConGLUDe.
Evaluación de Series Disjuntas: Bajo protocolos de evaluación estrictos donde los activos de referencia y consulta pertenecían a series químicas distintas (similitud Tanimoto ECFP4 < 0.5), TACTIVS mantuvo un enriquecimiento temprano sustancial. Esto confirmó que el método no solo recupera análogos cercanos, sino que puede generalizar a nuevos quimiotipos dentro de la biblioteca.
Estudios de Ablación: La eliminación de la transformación de blanqueo de la covarianza resultó en una caída significativa del desempeño (por ejemplo, una caída de 20.32 puntos en EF@1% en RandomDecoy), resaltando la importancia del paso de calibración. Del mismo modo, la eliminación del componente de propagación de grafos redujo el desempeño, confirmando el valor de la evidencia relacional.

Significancia y Reivindicaciones
El artículo sostiene que TACTIVS establece las representaciones moleculares preentrenadas como sustratos adaptables para un cribado flexible y específico de objetivos. Los autores argumentan que la especificidad del objetivo no requiere necesariamente actualizaciones de parámetros; en cambio, puede emerger naturalmente cuando un procedimiento de inferencia general contextualiza los activos conocidos dentro del colector de los candidatos.

El trabajo propone un cambio de perspectiva para el cribado virtual: distinguir entre el cribado de novo (donde no se conocen activos) y el cribado incremental (donde hay impactos experimentales disponibles). TACTIVS aborda este último, proporcionando una ruta práctica para maximizar el valor de los datos experimentales escasos al permitir que los nuevos activos informen las clasificaciones posteriores de inmediato sin necesidad de reentrenamiento. Los autores posicionan esto como una forma de generalización donde una representación y una regla de inferencia compartidas se especializan en el tiempo de prueba mediante el razonamiento transductivo, ofreciando una alternativa eficiente en datos a los paradigmas de aprendizaje de pocos ejemplos que dependen de la adaptación de parámetros.

Más como este