🧬 biology

FLOWR: Flow Matching for Structure-Aware De Novo, Interaction- and Fragment-Based Ligand Generation

L'article présente FLOWR, un nouveau cadre basé sur la structure qui combine le flow matching avec le transport optimal équivariant et un ensemble de données SPINDR sélectionné pour générer et optimiser des ligands 3D dotés d'une validité et d'une précision supérieures, avec une inférence 70 fois plus rapide que les méthodes de pointe, tout en offrant également une variante polyvalente à usages multiples pour la conception basée sur les fragments sans réentraînement.

Auteurs originaux : Julian Cremer, Ross Irwin, Alessandro Tibo, Jon Paul Janet, Simon Olsson, Djork-Arné Clevert

Publié 2026-06-01

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Julian Cremer, Ross Irwin, Alessandro Tibo, Jon Paul Janet, Simon Olsson, Djork-Arné Clevert

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un chef étoilé tentant d'inventer une nouvelle recette. Vous avez un espace vide très spécifique dans une marmite (la poche protéique) où vous devez faire entrer parfaitement un nouvel ingrédient (le ligand). L'ingrédient doit non seulement s'adapter à la forme de l'espace, mais aussi avoir le bon « goût » en interagissant avec les épices spécifiques déjà présentes dans la marmite.

Pendant longtemps, les programmes informatiques essayant de concevoir ces nouveaux ingrédients étaient comme des chefs qui devinent au hasard, goûtent, puis réessaient des milliers de fois. C'est lent, et les ingrédients résultants sont souvent bizarres, cassés ou ne s'adaptent tout simplement pas bien.

Ce document présente un système plus rapide et plus intelligent appelé FLOWR, ainsi qu'un nouveau livre de cuisine de haute qualité appelé SPINDR.

1. Le nouveau livre de cuisine : SPINDR

Avant de pouvoir apprendre à un ordinateur à cuisiner, il faut de bonnes recettes. Les auteurs ont réalisé que les anciens livres de cuisine (les jeux de données utilisés pour entraîner l'IA) étaient truffés d'erreurs. Ils contenaient des ingrédients qui ne s'adaptaient pas aux marmites, des épices manquantes ou des instructions contradictoires.

Pour corriger cela, ils ont créé SPINDR. Considérez cela comme un livre de cuisine « Gold Standard » (référence absolue).

Le Nettoyage : Ils ont pris des milliers de structures cristallines existantes (des photos de la façon dont les médicaments se placent réellement dans les protéines) et les ont nettoyées méticuleusement. Ils ont corrigé les atomes manquants, déterminé exactement comment les ingrédients devaient être chargés et supprimé les doublons.
Le Résultat : Une collection massive et de haute qualité de plus de 35 000 exemples parfaits de la façon dont une molécule médicamenteuse s'insère dans une poche protéique. Cela garantit que l'IA apprend de la réalité, et non de données désordonnées et défectueuses.

2. Le nouveau chef : FLOWR

Maintenant que nous avons un bon livre de cuisine, nous avons construit un nouveau chef nommé FLOWR.

L'ancienne méthode (Diffusion) : Les anciens chefs IA travaillaient comme un sculpteur taillant un bloc de marbre. Ils partaient d'un nuage de bruit aléatoire et retiraient lentement les mauvaises parties pour révéler une molécule. Cela prenait beaucoup de temps et laissait parfois la sculpture avec un aspect tendu ou peu naturel.
La méthode FLOWR (Flow Matching) : FLOWR fonctionne davantage comme un système de navigation GPS. Au lieu de tailler, il trace une ligne droite et directe du « bruit aléatoire » vers la « molécule parfaite ».
- Vitesse : Parce qu'il emprunte l'itinéraire le plus direct, il est incroyablement rapide. Le papier affirme qu'il est jusqu'à 70 fois plus rapide que les meilleures méthodes précédentes.
- Qualité : Parce qu'il suit un chemin droit, les molécules résultantes sont moins « tendues » (elles ne semblent pas être tordues dans des formes inconfortables) et s'adaptent bien mieux à la poche protéique.
- Le sens de la « Poche » : FLOWR possède une « oreille » spéciale qui écoute la poche protéique une seule fois au début. Il mémorise la forme et la chimie de la poche, puis utilise cette mémoire pour guider la création de la molécule. Cela économise une quantité massive de puissance de calcul.

3. L'outil spécial : FLOWR.MULTI

Parfois, un chef ne veut pas seulement inventer un plat totalement nouveau ; il veut modifier un plat existant. Peut-être veut-il garder la « sauce » (une structure chimique spécifique) mais changer la « garniture » pour s'adapter à un nouveau profil d'épices.

FLOWR.MULTI est un mode polyvalent du chef qui permet cela sans nécess avoir à réentraîner tout le système.

Ciblage des interactions : Vous pouvez dire à FLOWR : « Assure-toi que cette nouvelle molécule touche ces parties spécifiques de la protéine. » L'IA gardera ces parties de contact fixes et inventera le reste de la molécule autour d'elles.
Saut de squelette (Scaffold Hopping) : Vous pouvez dire : « Garde cette forme centrale (squelette) mais change le reste. »
Croissance de fragment : Vous pouvez dire : « Pars de ce petit morceau et développe une molécule complète à partir de lui. »

Le papier démontre qu'en utilisant cette approche « ciblée », les molécules obtenues sont beaucoup plus susceptibles de réellement fonctionner avec la protéine, contrairement à une simple supposition aléatoire.

4. Les résultats

Lorsque les auteurs ont testé FLOWR face aux meilleurs chefs actuels (comme PILOT) :

Validité : Les molécules créées par FLOWR étaient beaucoup plus susceptibles d'être chimiquement valides (elles ne tomberaient pas en morceaux).
Ajustement : Elles s'insèrent plus précisément dans les poches protéiques.
Vitesse : C'était considérablement plus rapide (jusqu'à 70x plus rapide).
Interactions : Lorsqu'on lui demandait de recréer des interactions chimiques spécifiques (comme une poignée de main entre le médicament et la protéine), FLOWR.MULTI était bien meilleur pour mémoriser et reproduire ces poignées de main.

Résumé

En bref, les auteurs ont construit un meilleur jeu de données (SPINDR) pour enseigner à l'IA, et une IA plus intelligente et plus rapide (FLOWR) pour concevoir de nouveaux médicaments. Ils ont également ajouté un mode spécialisé (FLOWR.MULTI) qui permet aux scientifiques de guider l'IA pour conserver certaines parties d'une molécule tout en en changeant d'autres. Cela rend le processus de recherche de nouveaux candidats médicaments plus rapide, plus fiable et plus pratique pour une utilisation dans le monde réel.

Résumé Technique : FLOWR – Flow Matching pour la génération de ligands de novo, basée sur les interactions et les fragments, sensible à la structure

Énoncé du problème

La conception de médicaments basée sur la structure (SBDD) vise à concevoir des composés bioactifs en exploitant les structures tridimensionnelles de macromolécules biologiques. Bien que les méthodes traditionnelles comme le docking moléculaire et le criblage virtuel soient confrontées à des défis pour explorer de vastes espaces chimiques et prédire avec précision les poses de liaison, les approches récentes de l'apprentissage profond, particulièrement les modèles de diffusion, ont montré des promesses. Cependant, les méthodes existantes basées sur la diffusion souffrent de plusieurs limitations : une dépendance à l'échantillonnage stochastique itératif qui entraîne des temps d'inférence prolongés ; les molécules générées présentent souvent des conformations contraintes, des sous-structures inhabituelles et une drug-likeness réduite ; et elles peinent fréquemment à récupérer les interactions de manière précise. De plus, l'évaluation de ces méthodologies est entravée par la qualité des ensembles de données de référence largement utilisés (par exemple, CROSSDOCKED2020), qui contiennent souvent des défauts structurels, des contraintes ligand-poche irréalistes dues aux protocoles de cross-docking rigides, et un biais de fuite de données (data leakage) important entre l'entraînement et les tests.

Méthodologie

Les auteurs introduisent FLOWR, un cadre génératif conçu pour la génération de novo de ligands tridimensionnels conditionnés par des poches protéiques. La méthodologie intègre plusieurs techniques avancées :

Flow Matching avec Transport Optimal Équivariant : Contrairement aux modèles de diffusion qui reposent sur des processus stochastiques itératifs, FLOWR utilise le flow matching continu et catégoriel. Il emploie le transport optimal équivariant (EOT) pour réduire les coûts de transport entre la distribution de bruit et la distribution de données. Cette approche permet des chemins d'intégration plus droits et un échantillonnage plus efficace.
Architecture : Le modèle repose sur l'architecture SEMLA, un cadre de passage de messages E(3)-équivariant. FLOWR étend cela en incorporant un encodeur de poche dédié qui traite les caractéristiques de la poche protéique indépendamment du temps de flux et du ligand bruité. Cet encodage est calculé une seule fois et réutilisé, amortissant ainsi le coût. Le décodeur de ligand utilise une attention croisée équivariante pour intégrer les informations de la poche et, optionnellement, les profils d'interaction.
Modélisation Hybride : FLOWR modélise conjointement des caractéristiques continues (coordonnées du ligand) et des caractéristiques discrètes (types d'atomes, ordres de liaison, charges formelles). Il utilise le flow matching continu pour les coordonnées et des modèles de flux discrets pour les propriétés catégorielles, les charges formelles étant prédites directement.
Jeu de données SPINDR : Pour remédier aux problèmes de qualité des données, les auteurs présentent SPINDR (Small molecule Protein Interaction Dataset, Refined). Dérivé du jeu de données PLINDER, SPINDR subit un pipeline rigoureux incluant l'affinement structurel (via l'assistant de préparation de protéines de Schrödinger), l'assignation des états de protonation, l'inférence d'interactions à résolution atomique (via ProLIF) et un filtrage de qualité. Crucialement, il maintient les divisions de données de PLINDER pour minimiser la fuite de données entre entraînement et test, et fournit des profils d'interaction explicites.
FLOWR.MULTI : Une extension du modèle de base permettant la génération conditionnelle multi-usage. Il supporte la génération de type inpainting où des fragments spécifiques (par exemple, des scaffolds, des groupes fonctionnels ou des atomes impliqués dans des interactions spécifiques) sont fixés (définis à $t=1$ ), tandis que le reste de la molécule est généré. Cela permet le scaffold hopping, l'élaboration et la conception conditionnée par les interactions sans réentraînement.

Contributions Clés

Modèle FLOWR : Un modèle génératif basé sur le flux qui surpasse les méthodes de diffusion et de flux de l'état de l'art en termes de précision de pose, de validité et de récupération d'interaction, tout en offrant des vitesses d'inférence nettement plus rapides (jusqu'à 70 fois plus rapides).
Jeu de données SPINDR : Un ensemble de données de référence de haute qualité et de co-cristaux ligand-poche, qui traite les défauts structurels et la fuite de données prévalents dans les jeux de données existants comme CROSSDOCKED2020 et PDBBind. Il inclut des profils d'interaction pré-calculés à résolution atomique.
FLOWR.MULTI : Un cadre polyvalent pour la génération ciblée de ligands. Il permet de générer des ligands adhérant à des profils d'interaction ou des sous-structures chimiques prédéfinis (scaffolds, groupes fonctionnels) dans un seul modèle, facilitant les stratégies de conception basées sur les fragments comme le scaffold hopping et le linking sans rééchantillonnage ou réentraînement coûteux.

Résultats

Les évaluations empiriques ont été menées à la fois sur le jeu de données CROSSDOCKED2020 (comme comparaison de référence) et sur le nouveau jeu de données SPINDR.

Performance vs Baselines : Sur CROSSDOCKED2020, FLOWR a surpassé des modèles tels que POCKET2MOL, DIFFSBDD, TARGETDIFF, DRUGFLOW et PILOT sur tous les indicateurs, atteignant la validité PoseBusters la plus élevée (0,92) et l'énergie de contrainte la plus faible.
Évaluation SPINDR : Comparé à PILOT (le concurrent le plus fort) sur SPINDR :
- Validité : FLOWR a obtenu une validité RDKit plus élevée (0,94 contre 0,79) et une validité PoseBusters supérieure (0,88 contre 0,71).
- Précision de la Pose : FLOWR a démontré des scores AutoDock-Vina supérieurs (-6,93 contre -6,30) et des énergies de contrainte plus faibles (90,05 contre 120,10 kcal/mol).
- Apprentissage de la Distribution : FLOWR a montré des distances de Wasserstein plus faibles pour les angles de liaison, les longueurs de liaison et les angles dièdres, indiquant un meilleur alignement avec la distribution de l'ensemble de test.
- Efficacité : FLOWR était environ 70 fois plus rapide que PILOT en utilisant 20 étapes d'intégration (comparé aux 500 étapes de PILOT), et restait 20 fois plus rapide avec 100 étapes.
- Récupération d'Interaction : FLOWR a surpassé PILOT dans la récupération des empreintes d'interaction (taux de succès de 47,1 % contre 43,2 %).
Capacités de FLOWR.MULTI :
- Conditionné par l'Interaction : Génération de ligands avec un taux de récupération d'interaction moyen de 76,1 % et des scores Vina améliorés (-7,18) par rapport à la génération inconditionnelle.
- Basé sur les Fragments : Génération réussie de ligands autour de scaffolds et de groupes fonctionnels spécifiques, maintenant une validité élevée (validité PB > 0,85) et une accessibilité synthétique (scores SA ~0,80) tout en permettant une exploration contrôlée de l'espace chimique.
- Hydrogènes Explicites : Bien que la modélisation d'hydrogènes explicites ait réduit la validité pour les deux modèles (en raison de la couverture limitée des données d'entraînement), FLOWR a maintenu des performances comparables à PILOT et a montré des métriques d'énergie de contrainte améliorées.

Signification et Revendications

L'article affirme que FLOWR et FLOWR.MULTI représentent une avancée significative dans la conception de médicaments basée sur la structure pilotée par l'IA. En combinant des techniques de flow matching de pointe avec un conditionnement efficace de la poche protéique, le cadre améliore substantiellement la fiabilité et l'applicabilité de la génération de ligands de novo, basée sur les interactions et les fragments.

Les auteurs soulignent que le jeu de données SPINDR est une ressource critique pour la communauté, fournissant un benchmark robuste qui traite les limites des jeux de données actuels concernant la qualité des poses et la fuite de données. Ils positionnent FLOWR.MULTI comme un outil pratique pour les campagnes d'expansion de hits, de hit-to-lead et d'optimisation de leads, capable de générer des ligands qui s'alignent sur des motifs d'interaction spécifiques et des contraintes chimiques sans nécessiter de réentraînement du modèle.

Cependant, les auteurs restent modestes quant aux limites actuelles. Ils reconnaissent que les ligands générés présentent toujours des énergies de contrainte plus élevées que les structures de co-cristal de référence, que la modélisation des hydrogènes explicites reste un défi dû à la rareté des données, et que le modèle actuel opère sur des structures protéiques statiques, ignorant la flexibilité conformationnelle. Ils considèrent ces modèles comme des outils d'idéation qui complètent, plutôt qu'ils ne remplacent, l'expertise de la chimie médicinale et la validation expérimentale.