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

Simpatico est un outil de criblage virtuel open-source et ultra-rapide qui exploite des représentations au niveau atomique et une recherche par plus proches voisins pour atteindre une précision de pointe dans la prédiction de la liaison protéine-ligand, surpassant nettement à la fois le docking traditionnel et les méthodes existantes basées sur les représentations en termes de rapidité et de précision, et ce sans nécessiter d'estimation de pose 3D.

L'essentiel

Imaginez que vous soyez un détective cherchant la clé parfaite pour ouvrir une porte spécifique et complexe (une protéine pathogène). Dans le monde de la découverte de médicaments, cette « clé » est une molécule minuscule, et il existe des milliards de clés potentielles dans un immense entrepôt.

L'Ancienne Méthode : Le Serrurier Lent
Traditionnellement, les scientifiques utilisaient une méthode appelée « amarrage moléculaire ». C'est comme engager un serrurier pour essayer chaque clé contre la porte, une par une. Ils testent physiquement l'ajustement, mesurent la facilité de rotation et enregistrent le résultat. Bien que précise, cette méthode est incroyablement lente. Si vous avez un milliard de clés, les essayer une par une prend une éternité. C'est trop lent pour la découverte de médicaments moderne.

La Méthode Intermédiaire : L'Approche « Un Seul Résumé »
Récemment, une nouvelle méthode appelée « récupération par embedding » (comme un outil nommé DrugCLIP) a tenté d'accélérer le processus. Au lieu de tester les clés une par une, elle a créé une « carte d'identité résumée » pour chaque clé et chaque porte. Elle a appris à regrouper les clés et les portes qui vont ensemble dans un immense classeur numérique. Pour trouver un correspondant, elle cherchait simplement les cartes d'identité les plus proches.

Cependant, cette méthode présentait un défaut : elle écrasait toute la porte et toute la clé en une seule seule carte d'identité. C'était comme décrire une maison complexe à plusieurs pièces avec une seule phrase. Si une clé ne convenait qu'à la porte d'entrée mais pas à la porte arrière, la carte d'identité résumée ne pouvait pas capturer cette nuance. Elle perdait des détails importants sur où les parties s'ajustaient.

La Nouvelle Méthode : Simpatico (Le Matchmaker Atomique)
L'article présente un nouvel outil appelé Simpatico. Au lieu de créer une seule carte d'identité résumée pour toute la clé ou toute la porte, Simpatico crée une carte d'identité unique pour chaque atome individuel (les briques de construction minuscules) à l'intérieur de la clé et de la porte.

Pensez-y ainsi :

• La Porte : Au lieu d'une seule carte d'identité pour toute la maison, Simpatico crée une carte d'identité spécifique pour la poignée de la porte d'entrée, la fenêtre arrière et le portail latéral.
• La Clé : Il fait de même pour la clé, créant des cartes d'identité pour chaque petite bosse et chaque rainure sur sa surface.

Comment Cela Fonctionne
Simpatico est entraîné à savoir que si une bosse spécifique sur une clé touche généralement une rainure spécifique sur une porte, leurs cartes d'identité doivent être des « meilleurs amis » dans le classeur numérique.

Lorsque les scientifiques veulent trouver un médicament :

1. Ils prennent la « porte » (la protéine) et examinent les cartes d'identité de ses parties spécifiques (la poche où le médicament s'adapte).
2. Ils demandent au classeur : « Quelles clés dans notre entrepôt de milliards de clés ont des parties qui sont les meilleurs amis de ces parties de porte spécifiques ? »
3. Le système trouve instantanément les atomes correspondants.
4. Une simple étape mathématique additionne ces correspondances pour attribuer un score à la clé entière.

Pourquoi C'est un Changement de Jeu

• Vitesse : Parce qu'il cherche des parties correspondantes plutôt que de tester des clés entières, il est incroyablement rapide — des ordres de grandeur plus rapide que les anciennes méthodes. Il peut parcourir des milliards d'options dans le temps qu'il faut aux anciennes méthodes pour vérifier quelques milliers.
• Précision : Même s'il a été entraîné sur un ensemble de données relativement petit (environ 15 000 exemples) et n'avait pas besoin de deviner la forme 3D de la clé au préalable, il est plus précis pour trouver les bons correspondants que les anciennes méthodes de « résumé » et même meilleur que les simulations complexes basées sur la physique.
• Open Source : Les créateurs ont rendu l'outil, le code et les données gratuits pour que tout le monde puisse les utiliser.

En bref, Simpatico ne se contente pas de deviner si une clé s'adapte à une porte ; il vérifie si les petites bosses sur la clé correspondent aux petites rainures sur la porte, le faisant si rapidement et précisément qu'il bat les meilleures méthodes actuelles dans le domaine.

Résumé technique

Résumé Technique : Simpatico

Énoncé du Problème
Le criblage virtuel est une étape préliminaire cruciale dans la découverte de médicaments, impliquant l'évaluation in-silico de vastes bibliothèques de petites molécules pour identifier celles qui se lient à une cible protéique thérapeutique. L'approche dominante, le docking moléculaire, nécessite un calcul séparé et coûteux en termes de ressources pour chaque paire protéine-molécule. Cela rend le docking prohibitivement lent pour les bibliothèques de composés modernes contenant des milliards de composés. Bien que les paradigmes récents d'encodage-récupération (par exemple, DrugCLIP) aient tenté de résoudre ce goulot d'étranglement en projetant les protéines et les ligands dans un espace d'encodage partagé pour une récupération par plus proche voisin, ils souffrent d'une limitation significative : ils réduisent chaque protéine entière et chaque ligand entier à un seul vecteur d'encodage. Ce « goulot d'étranglement de l'information » limite la capacité du modèle à représenter des compatibilités de liaison partielles ou alternatives, car il ne peut pas distinguer quelles parties spécifiques d'une molécule sont responsables de la liaison.

Méthodologie
Les auteurs présentent Simpatico, un outil de criblage virtuel par encodage-récupération conçu pour surmonter les limitations des représentations à vecteur unique. Au lieu de générer un encodage par molécule, Simpatico produit un encodage unique pour chaque atome au sein d'une poche protéique ou d'un ligand.

• Objectif d'Entraînement : Le modèle utilise un objectif contrastif de style CLIP. Il entraîne les encodages atomiques de telle sorte que les paires atome-protéine et atome-ligand connues pour interagir soient positionnées à proximité dans l'espace d'encodage.
• Processus de Criblage : Pour cribler une cible protéique, le système utilise chaque encodage d'atome de protéine comme requête contre une base de données vectorielle contenant les encodages atomiques précalculés de petites molécules. Cela renvoie les atomes correspondants les plus proches de la bibliothèque.
• Notation : Une étape d'agrégation simple attribue un score de liaison final à chaque molécule candidate en fonction des atomes récupérés qu'elle contient.
• Efficacité de l'Indexation : Contrairement aux méthodes de récupération précédentes qui indexent un vecteur par ligand, Simpatico indexe un vecteur par atome lourd. Par conséquent, le temps de requête croît de manière sous-linéaire avec la taille de la bibliothèque, permettant une mise à l'échelle jusqu'à l'échelle de milliards de composés.

Contributions Clés

• Encodages au Niveau Atomique : Le passage des encodages globaux de molécules aux encodages par atome, permettant la représentation de compatibilités de liaison partielles.
• Architecture de Récupération Efficace : Un système qui exploite les bases de données vectorielles pour des requêtes au niveau atomique, atteignant une croissance sous-linéaire du temps de requête.
• Efficacité des Données : Le modèle atteint des performances élevées entraîné uniquement sur environ 15 000 complexes protéine-ligand issus de l'ensemble de données PDBBind, sans nécessiter de préentraînement ni d'estimation de pose 3D du ligand.

Résultats
Sur des benchmarks de leurres exigeants, Simpatico atteint une précision prédictive de l'état de l'art. Plus précisément :

• Il surpasse les méthodes récentes de récupération dense.
• Il dépasse la précision du docking basé sur la physique et des méthodes de docking augmentées par l'apprentissage profond.
• Il est compétitif avec les méthodes de docking basées sur la diffusion.
• En termes de vitesse, il s'exécute à des ordres de grandeur plus rapidement que le docking basé sur la physique, le docking augmenté par l'apprentissage profond et le docking basé sur la diffusion.

Signification
L'article positionne Simpatico comme une solution au compromis entre évolutivité et précision dans le criblage virtuel. En s'éloignant du goulot d'étranglement de l'information des représentations à vecteur unique, il permet le criblage rapide de bibliothèques de milliards de composés avec une précision qui rivalise avec ou dépasse celle des méthodes de docking plus coûteuses en calcul. L'outil est publié sous forme de logiciel open source, avec le code, les poids et les données disponibles pour la communauté.