🧬 biology

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

Il documento introduce FLOWR, un nuovo framework basato sulla struttura che combina il flow matching con l'optimal transport equivariante e un dataset SPINDR curato per generare e ottimizzare ligandi 3D con validità, accuratezza superiore e un'inferenza 70 volte più veloce rispetto ai metodi allo stato dell'arte, offrendo al contempo una variante versatile multiuso per la progettazione basata su frammenti senza necessità di riaddestramento.

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

Pubblicato 2026-06-01

📖 20 min di lettura🧠 Approfondimento

CC BY 4.0

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

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo

Immagina di essere un maestro chef che cerca di inventare una nuova ricetta. Hai uno spazio vuoto molto specifico in una pentola (la tasca proteica) dove devi far incastrare perfettamente un nuovo ingrediente (il ligando). L'ingrediente non solo deve adattarsi alla forma dello spazio, ma deve anche avere il "gusto" giusto interagendo con le spezie specifiche già presenti nella pentola.

Per molto tempo, i programmi informatici che cercavano di progettare questi nuovi ingredienti sono stati come chef che indovinano a caso, assaggiano e poi riprovano miglia la volta. Questo è lento, e spesso gli ingredienti risultanti sono strani, difettosi o semplicemente non si adattano bene.

Questo articolo introduce un sistema più veloce e intelligente chiamato FLOWR, insieme a un nuovo libro di cucina di alta qualità chiamato SPINDR.

1. Il Nuovo Libro di Cucina: SPINDR

Prima di poter insegnare a un computer come cucinare, serve un buon libro di ricette. Gli autori si sono resi conto che i vecchi libri di cucina (i dataset usati per addestrare l'IA) erano pieni di errori. Contenevano ingredienti che non si adattavano alle pentole, spezie mancanti o istruzioni contraddittorie.

Per risolvere il problema, hanno creato SPINDR. Immagina questo come un libro di cucina "Gold Standard".

La Pulizia: Hanno preso migliaia di strutture cristalline esistenti (foto di come i farmaci si siedono effettivamente nelle proteine) e le hanno ripulite accuratamente. Hanno sistemato gli atomi mancanti, determinato esattamente come dovessero essere carichi gli ingredienti e rimosso i duplicati.
Il Risultato: Una collezione massiccia e di alta qualità di oltre 35.000 esempi perfetti di come una molecola di farmaco si inserisce in una tasca proteica. Ciò assicura che l'IA impari dalla realtà, non da dati disordinati e rovinati.

2. Il Nuovo Chef: FLOWR

Ora che hanno un buon libro di cucina, hanno costruito un nuovo chef chiamato FLOWR.

Il Vecchio Metodo (Diffusione): I precedenti chef IA lavoravano come uno scultore che scolpisce un blocco di marmo. Partivano da una nuvola casuale di rumore e lentamente via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via via

Riepilogo Tecnico: FLOWR – Flow Matching per la generazione di ligandi de novo basata su struttura, interazione e frammenti

Problematica

La progettazione di farmaci basata sulla struttura (SBDD) mira a progettare composti bioattivi sfruttando le strutture tridimensionali di macromolecole biologiche. Sebbene i metodi tradizionali come il docking molecolare e lo screening virtuale affrontino sfide nell'esplorare vasti spazi chimici e nel prevedere accuratamente le pose di legame, i recenti approcci di deep learning, in particolare i modelli di diffusione, hanno mostrato grande potenziale. Tuttavia, gli esistenti metodi basati sulla diffusione soffrono di diverse limitazioni: l'affidamento a un campionamento stocastico iterativo porta a tempi di inferenza prolungati; le molecole generate presentano spesso conformazioni tese, sottostrutture insolite e una ridotta drug-likeness; inoltre, faticano frequentemente nel recupero accurato delle interazioni. Inoltre, la valutazione di queste metodologie è ostacolata dalla qualità dei dataset di benchmark ampiamente utilizzati (ad es., CROSSDOCKED2020), che spesso contengono difetti strutturali, vincoli ligando-tasca irrealistici a causa di protocolli di cross-docking rigidi e un significativo data leakage tra i set di addestramento e di test.

Metodologia

Gli autori introducono FLOWR, un framework generativo progettato per la generazione de novo di ligandi tridimensionali condizionati da tasche proteiche. La metodologia integra diverse tecniche avanzate:

Flow Matching con Trasporto Ottimo Equivariante: A differenza dei modelli di diffusione che si affidano a processi stocastici iterativi, FLOWR impiega il flow matching continuo e categorico. Utilizza il trasporto ottimale equivariante (EOT) per ridurre i costi di trasporto tra la distribuzione del rumore e la distribuzione dei dati. Questo approccio consente percorsi di integrazione più rettilinei e un campionamento più efficiente.
Architettura: Il modello si basa sull'architettura SEMLA, un framework di message passing E(3)-equivariante. FLOWR estende questo approccio incorporando un encoder della tasca dedicato che elabora le caratteristiche della tasca proteica indipendentemente dal tempo di flow e dal ligando rumoroso. Questa codifica viene calcolata una sola volta e riutilizzata, ammortizzando il costo. Il decoder del ligando utilizza l'attenzione incrociata (cross-attention) equivariante per integrare le informazioni della tasca e, opzionalmente, i profili di interazione.
Modellazione Ibrida: FLOWR modella congiuntamente caratteristiche continue (coordinate del ligando) e caratteristiche discrete (tipi di atomi, ordini di legame, cariche formali). Utilizza il flow matching continuo per le coordinate e i modelli di flow discreti per le proprietà categoriche, con le cariche formali predette direttamente.
Dataset SPINDR: Per affrontare i problemi di qualità dei dati, gli autori presentano SPINDR (Small molecule Protein Interaction Dataset, Refined). Derivato dal dataset PLINDER, SPINDR è sottoposto a una rigorosa pipeline che include la raffinazione strutturale (utilizzando lo Schrodinger's protein preparation wizard), l'assegnazione dello stato di protonazione, l'inferenza dell'interazione ad alta risoluzione atomica (tramite ProLIF) e il filtraggio della qualità. Fondamentalmente, mantiene le suddivisioni dei dati di PLINDER per minimizzare il data leakage tra training e test e fornisce profili di interazione espliciti.
FLOWR.MULTI: Un'estensione del modello base che consente la generazione condizionata multi-scopo. Supporta la generazione in stile inpainting, dove frammenti specifici (ad es., scaffold, gruppi funzionali o atomi coinvolti in specifiche interazioni) sono fissati (impostati a $t=1$ ), mentre il resto della molecola viene generato. Ciò consente scaffold hopping, elaborazione e design condizionato alle interazioni senza necessità di riaddestramento.

Contributi Chiave

Modello FLOWR: Un modello generativo basato sul flow che supera i metodi di diffusione e di flow allo stato dell'arte in termini di accuratezza della posa, validità e recupero delle interazioni, offrendo al contempo velocità di inferenza significativamente superiori (fino a 70 volte).
Dataset SPINDR: Un dataset benchmark di alta qualità e curato di complessi co-cristallo ligando-tasca che affronta i difetti strutturali e il data leakage prevalenti nei dataset esistenti come CROSSDOCKED2020 e PDBBind. Include profili di interazione pre-calcolati ad alta risoluzione atomica.
FLOWR.MULTI: Un framework versatile per la generazione mirata di ligandi. Consente la generazione di ligandi che aderiscono a profili di interazione o sottostrutture chimiche predefinite (scaffold, gruppi funzionali) in un unico modello, facilitando strategie di design basate su frammenti come lo scaffold hopping e il linking senza costosi processi di re-sampling o riaddestramento.

Risultati

Le valutazioni empiriche sono state condotte sia sul dataset CROSSDOCKED2020 (come confronto di baseline) che sul proposto dataset SPINDR.

Performance rispetto alle Baseline: Su CROSSDOCKED2020, FLOWR ha superato modelli come POCKET2MOL, DIFFSBDD, TARGETDIFF, DRUGFLOW e PILOT in tutte le metriche, ottenendo la più alta validità PoseBusters (0.92) e la minore energia di tensione (strain energy).
Valutazione su SPINDR: Confrontato con PILOT (il principale concorrente) su SPINDR:
- Validità: FLOWR ha ottenuto una validità RDKit superiore (0.94 vs 0.79) e una validità PoseBusters superiore (0.88 vs 0.71).
- Accuratezza della Posa: FLOWR ha dimostrato punteggi AutoDock-Vina superiori (-6.93 vs -6.30) e energie di tensione inferiori (90.05 vs 120.10 kcal/mol).
- Apprendimento della Distribuzione: FLOWR ha mostrato distanze di Wasserstein inferiori per angoli di legame, lunghezze di legame e angoli diedri, indicando un migliore allineamento con la distribuzione del set di test.
- Efficienza: FLOWR è stato circa 70 volte più veloce di PILOT utilizzando 20 step di integrazione (rispetto ai 500 step di PILOT), e rimane 20 volte più veloce con 100 step.
- Recupero delle Interazioni: FLOWR ha superato PILOT nel recupero dei fingerprint di interazione (tasso di successo del 47.1% vs 43.2%).
Capacità di FLOWR.MULTI:
- Condizionato alle Interazioni: Ha generato ligandi con un tasso medio di recupero delle interazioni del 76.1% e punteggi Vina migliorati (-7.18) rispetto alla generazione incondizionata.
- Basato su Frammenti: Ha generato con successo ligandi attorno a specifici scaffold e gruppi funzionali, mantenendo un'alta validità (validità PB > 0.85) e accessibilità sintetica (score SA ~0.80) pur permettendo un controllo dell'esplorazione dello spazio chimico.
- Idrogeni Espliciti: Sebbene la modellazione di idrogeni espliciti abbia ridotto la validità per entrambi i modelli (a causa della copertura limitata dei dati di addestramento), FLOWR ha mantenuto prestazioni comparabili a PILOT e ha mostrato metriche di energia di tensione migliorate.

Significato e Rivendicazioni

Il paper afferma che FLOWR e FLOWR.MULTI rappresentano un avanzamento significativo nella progettazione di farmaci basata sulla struttura guidata dall'IA. Combinando tecniche di flow matching allo stato dell'arte con un'efficiente condizionatura della tasca proteica, il framework migliora sostanzialmente l'affidabilità e l'applicabilità della generazione de novo di ligandi basata su interazioni e frammenti.

Gli autori sottolineano che il dataset SPINDR è una risorsa critica per la comunità, fornendo un benchmark robusto che affronta i limiti degli attuali dataset riguardanti la qualità delle pose e il data leakage. Posizionano FLOWR.MULTI come uno strumento pratico per campagne di hit expansion, hit-to-lead e ottimizzazione del lead, capace di generare ligandi che si allineano a specifici pattern di interazione e vincoli chimici senza la necessità di riaddestrare il modello.

Tuttove, gli autori rimangono modesti riguardo alle attuali limitazioni. Riconoscono che i ligandi generati presentano ancora energie di tensione più elevate rispetto alle strutture co-cristallo di riferimento, che la modellazione di idrogeni espliciti rimane problematica a causa della scarsità di dati e che l'attuale modello opera su strutture proteiche statiche, ignorando la flessibilità conformazionale. Considerano questi modelli come strumenti di ideazione che completano, piuttosto che sostituire, l'esperienza della chimica medicinale e la validazione sperimentale.