Riepilogo Tecnico: ConTact – Progettazione di CDR di Anticorpi Basata sul Contatto tramite Ragionamento Esplicito sull'Interfaccia

1. Enunciato del Problema

I metodi computazionali attuali per la progettazione delle Regioni Determinanti la Complementarità (CDR) degli anticorpi si basano sulle strutture dell'antigene per generare loop di legame. Tuttavia, le architetture esistenti soffrono di una limitazione strutturale fondamentale: confondono due sottoproblemi distinti in un'unica testa di previsione.

1. Identificazione del Contatto: Determinare quali posizioni delle CDR entreranno fisicamente in contatto con l'antigene.
2. Selezione della Sequenza: Determinare quali amminoacidi posizionare in quelle posizioni basandosi sulla chimica locale.

Gli approcci esistenti, comprese le Reti Neurali a Grafo Equivarianti (ad es. MEAN, RAAD) e i metodi basati sulla diffusione (ad es. DiffAb), propagano tipicamente le informazioni sull'antigene attraverso un passaggio di messaggi uniforme o una concatenazione piatta. Questo tratta tutti i residui dell'antigene in modo uguale, indipendentemente dalla distanza, e costringe il modello a imparare implicitamente il ragionamento sui contatti mentre prevede simultaneamente le sequenze. Di conseguenza, il segnale dell'antigene viene diluito su tutte le posizioni, e il modello alloca una capacità di apprendimento uguale alle posizioni non a contatto (vincolate principalmente dalla geometria dello scheletro) e alle posizioni a contatto (vincolate da interazioni chimiche specifiche con l'antigene). Le evidenze empiriche suggeriscono che questi metodi non sfruttano efficacemente le informazioni sull'antigene, con previsioni che rimangono quasi invariate anche quando l'antigene viene rimosso.

2. Metodologia: L'Architettura CONTACT

Gli autori propongono CONTACT, un'architettura "prima il contatto" che scompone esplicitamente la progettazione delle CDR in una cascata a tre stadi: Impronta Digitale di Complementarità, Previsione del Contatto e Generazione di Sequenza Guidata dal Contatto. Questo approccio affronta il "dove" prima del "cosa".

2.1. Costruzione e Codifica del Grafo

Il complesso anticorpo-antigene è rappresentato come un grafo eterogeneo contenente residui della catena pesante, della catena leggera e dell'antigene, insieme a token delimitatori globali e nodi virtuali.

• Nodi Virtuali: Nodi virtuali speciali si connettono bidirezionalmente a tutti i residui dell'epitopo e delle CDR, creando una scorciatoia a due salti per mitigare il problema del "sovra-schiacciamento" (over-squashing), dove le informazioni da epitopi distanti si diluiscono attraverso il passaggio sequenziale di messaggi.
• Codificatore: Un VirtualNode-EGNN (GNN E(3)-equivariante) esegue il passaggio di messaggi, aggiornando simultaneamente sia gli embedding dei residui che le coordinate dello scheletro.

2.2. Decodificatore a Tre Stadi

L'innovazione principale risiede nel decodificatore, che elabora le informazioni in sequenza:

• Stadio 1: Impronta Digitale di Complementarità
  Il modello comprime gli output dell'attenzione incrociata in una "impronta digitale" a bassa dimensionalità per ogni posizione della CDR, caratterizzando la complementarità superficiale locale (ad es. ambienti idrofobici vs carichi). Questo viene addestrato utilizzando una funzione di perdita contrastiva (InfoNCE) per garantire che ambienti locali simili producano impronte digitali simili.

• Stadio 2: Previsione del Contatto
  Utilizzando le impronte digitali, gli embedding delle CDR e le caratteristiche aggregate dai vicini più prossimi dell'antigene, un predittore supervisionato stima la probabilità ($\hat{c}_i$) che una specifica posizione della CDR entrerà in contatto con l'antigene.

  • Perdita: Viene utilizzata una perdita di entropia incrociata binaria focalizzata (focal loss) per gestire lo squilibrio delle classi (i non-contatti superano i contatti di 3-5 volte), concentrandosi sull'apprendimento delle posizioni di confine difficili e ambigue.

• Stadio 3: Iniezione di Complementarità Locale a Cancellazione del Contatto
  La fiducia nel contatto prevista ($\hat{c}_i$) agisce come un cancello per iniettare selettivamente le caratteristiche locali dell'antigene nella rappresentazione della CDR.

  • Doppio Cancello: L'iniezione è modulata da un cancello appreso ($g_i$) e dalla fiducia nel contatto ($\hat{c}_i$). Alle posizioni non a contatto ($\hat{c}_i \approx 0$), le informazioni sull'antigene vengono efficacemente azzerate, prevenendo il rumore da residui distanti. Alle posizioni a contatto, le caratteristiche dell'antigene vengono iniettate per guidare la selezione della sequenza.
  • Attenzione Incrociata con Bias di Distanza: Viene applicato un bias spaziale gaussiano ai punteggi dell'attenzione incrociata, favorendo i vicini spaziali e codificando un prior geometrico secondo cui i contatti di legame sono spazialmente vicini.

2.3. Obiettivo di Addestramento

Il modello viene addestrato con una funzione di perdita composita:

• Perdita di Sequenza Ponderata sul Contatto ($L_{seq}$): Una perdita di entropia incrociata in cui le posizioni previste come contatti sono pesate verso l'alto ($w_i = 1 + \alpha \cdot \hat{c}_i$). Questo concentra i segnali di gradiente sulle posizioni critiche per il legame.
• Perdite Accessorie: Include perdita di coordinate (smooth-$\ell_1$ sulle coordinate C$\alpha$), perdita di accoppiamento (matching contrastivo degli embedding di CDR e antigene), perdita di docking (penalizzante la distanza dall'epitopo) e perdita contrastiva dell'impronta digitale.

3. Contributi Chiave

1. Decomposizione Architettonica: Il documento identifica la confusione tra identificazione del contatto e previsione della sequenza come un principale modo di fallimento nella progettazione attuale delle CDR. Propone un paradigma "prima il contatto" che scompone questi compiti in una cascata supervisionata esplicita a tre stadi.
2. Meccanismo di Iniezione a Cancellazione del Contatto: Un nuovo meccanismo a doppio cancello (cancello appreso $\times$ fiducia nel contatto) che instrada selettivamente le informazioni sull'antigene alle posizioni rilevanti per il legame, prevenendo la propagazione del rumore ai residui non a contatto.
3. Attenzione con Bias di Distanza e Perdita: L'integrazione di prior geometrici tramite attenzione incrociata con bias di distanza e perdita di entropia incrociata ponderata sul contatto per allineare la capacità di apprendimento con la sparsità dell'interfaccia CDR-antigene.

4. Risultati Sperimentali

Il metodo è stato valutato su CHIMERA-BENCH, un dataset di 2.922 complessi anticorpo-antigene, contro undici baseline che spaziano da GNN Equivarianti a modelli Diffusione/Flusso, ODE e modelli Autoregressivi.

• Qualità Strutturale: CONTACT ha raggiunto il più basso RMSD C$\alpha$ (1,63 Å), rappresentando un miglioramento del 7% rispetto alla baseline successiva migliore (RAAD a 1,75 Å) e un miglioramento dell'11% rispetto a MEAN.
• Consapevolezza dell'Epitopo: CONTACT ha raggiunto il punteggio F1 per l'epitopo più alto (0,79), superando le baseline GNN (RAAD/MEAN a 0,72) del 10% e RefineGNN (0,76) del 4%. Ciò convalida la capacità del modello di identificare i residui rilevanti per il legame.
• Qualità di Legame: Il modello ha raggiunto la frazione più alta di contatti nativi (fnat 0,67) e punteggi DockQ competitivi (0,73).
• Recupero della Sequenza: CONTACT ha raggiunto il più alto Recupero degli Amminoacidi (AAR 0,38) tra tutte le baseline. Tuttavia, il Contact AAR (CAAR) è rimasto comparabile ad altri metodi (~0,20), suggerendo che, sebbene l'architettura identifichi meglio dove legare, prevedere l'esatta identità amminoacidica in quelle posizioni rimane un collo di bottiglia fondamentale.

5. Significato e Affermazioni

Il documento afferma che le prestazioni superiori di CONTACT derivano dalla sua separazione esplicita del ragionamento sui contatti dalla generazione della sequenza. Fornendo un percorso supervisionato affinché le informazioni sull'antigene raggiungano la testa della sequenza solo alle posizioni rilevanti per il legame, il modello evita la "diluzione" del segnale osservata nelle architetture di passaggio di messaggi uniformi.

Gli autori notano che, sebbene CONTACT migliori significativamente la qualità strutturale e la consapevolezza dell'epitopo, il divario tra AAR complessivo e Contact AAR indica che il collo di bottiglia attuale non risiede nell'allocazione della capacità di apprendimento, ma nel contenuto informativo delle rappresentazioni dell'antigene a livello di C$\alpha$. Suggeriscono che il lavoro futuro dovrà esplorare rappresentazioni dell'antigene più ricche (ad es. geometria delle catene laterali, elettrostatiche superficiali) per risolvere completamente la difficoltà di prevedere le identità amminoacidiche specifiche per l'antigene.

Il documento conclude che la decomposizione "prima il contatto" è un passo necessario verso una progettazione computazionale efficace degli anticorpi, offrendo un ponte supervisionato tra la struttura dell'antigene e la specificità della sequenza che i metodi esistenti non possiedono.