DFT Accuracy on Crystal Structure Prediction with Machine Learning Interatomic Potentials

Il documento introduce CSP-MACE-Å, un potenziale interatomico basato sull'apprendimento automatico che scompone l'energia totale in componenti intramolecolari e intermolecolari per raggiungere una precisione a livello DFT nella previsione della struttura cristallina operando con una velocità superiore di ordini di grandezza, consentendo così una mitigazione più robusta dei rischi delle forme solide attraverso una valutazione estesa dei candidati e calcoli dell'energia libera.

L'essenziale

Immagina di essere uno chef che cerca la ricetta perfetta per un nuovo dolce. Hai milioni di combinazioni potenziali di ingredienti (strutture candidate), ma hai solo il tempo di assaggiarne alcune dozzine. Per farlo in modo efficiente, hai bisogno di un modo per indovinare rapidamente quali ricette sono "buone" prima di cuocerle effettivamente.

Nel mondo dello sviluppo farmaceutico, la "torta" è una molecola medicinale e la "ricetta" è il modo in cui quelle molecole si impilano in un cristallo. Questo impilamento è chiamato Predizione della Struttura Cristallina (CSP). Ottenere l'impilamento corretto è cruciale perché diversi impilamenti (polimorfi) possono far sì che un farmaco si sciolga troppo velocemente, non si sciolga affatto o addirittura si trasformi in una forma diversa mentre è riposto sullo scaffale.

Per anni, lo "standard aureo" per assaggiare queste ricette è stata una simulazione informatica super-precisa ma incredibilmente lenta chiamata DFT (Teoria del Funzionale della Densità). È come uno chef maestro che può assaggiare una torta e dirti esattamente come sarà il sapore, ma gli servono giorni per analizzare una sola ricetta. Poiché è così lenta, gli scienziati possono controllare solo una minuscola frazione delle milioni di ricette possibili.

Questo articolo introduce un nuovo strumento chiamato CSP-MACE-Å. Pensa a questo come a un apprendista AI super-veloce che è stato addestrato a imitare il gusto dello chef maestro ma può svolgere il lavoro migliaia di volte più velocemente.

Ecco come l'articolo spiega questo nuovo strumento, scomposto in concetti semplici:

1. La Ricetta in Due Parti (Intra vs Inter)

Gli autori hanno realizzato che un cristallo è composto da due tipi di interazioni:

• Intramolecolare: Come gli atomi si tengono insieme all'interno di una singola molecola (come gli ingredienti all'interno di un singolo biscotto).
• Intermolecolare: Come le molecole si attaccano l'una all'altra per formare il cristallo (come i biscotti impilati in un barattolo).

I vecchi modelli di intelligenza artificiale cercavano di imparare tutto in una volta e si confondevano. Il nuovo CSP-MACE-Å divide il lavoro in due team specializzati:

• Team 1 (Il Fabbro di Biscotti): Utilizza un modello addestrato su una vasta libreria di singole molecole per capire come gli ingredienti si tengono insieme.
• Team 2 (L'Impilatore di Barattoli): Questa è la salsa segreta. È specificamente addestrato per comprendere i modi sottili in cui le molecole si attaccano insieme in un cristallo. Combina tre cose:
  1. Un modello di base per l'adesione.
  2. Una formula matematica per le forze a lungo raggio "di van der Waals" (la debole attrazione simile a un magnete tra le molecole).
  3. Un "Modello Delta" (uno strato di correzione). È come un assaggiatore che guarda solo gli errori commessi dagli altri due e li corregge per farli corrispondere ai risultati dello Chef Maestro (DFT).

2. Le Prove di Assaggio (I Risultati)

Gli autori hanno sottoposto il loro nuovo apprendista AI a tre rigorose prove di assaggio per vedere se poteva sostituire lo chef maestro lento.

• Test 1: La Cucina AstraZeneca (19 Composti)
  Hanno preso 19 composti farmaceutici reali e chiesto all'AI di classificare le migliori strutture cristalline.

  • Il Risultato: Le classifiche energetiche dell'AI erano quasi identiche a quelle dello chef maestro lento (DFT).
  • La Svoltata: Quando hanno aggiunto un "fattore temperatura" (calcolando l'energia libera, che tiene conto di come le molecole si muovono e vibrano), l'AI è diventata ancora migliore, identificando correttamente la forma cristallina più stabile in quasi tutti i casi.

• Test 2: La Prova di Assaggio alla Cieca (28 Composti)
  Hanno testato l'AI su 28 composti provenienti da sette precedenti "prove alla cieca" (dove gli scienziati non conoscevano la risposta in anticipo).

  • Il Risultato: L'AI ha performato tanto bene quanto i migliori metodi DFT e significativamente meglio di altri modelli AI esistenti.

• Test 3: La Sfida "ROY" (La Torta più Ingannevole)
  Esiste una molecola famosa chiamata ROY che ha 14 diverse forme cristalline. È notoriamente difficile perché le molecole sono flessibili e insidiose. La maggior parte dei modelli informatici sbaglia su questo.

  • Il Risultato: Poiché la loro AI aveva un team specializzato "Fabbro di Biscotti" addestrato sulla chimica di alto livello, ha identificato correttamente la forma più stabile di ROY, mentre altri modelli hanno fallito.

3. Prevedere il Futuro (Stabilità alla Temperatura)

Infine, hanno testato se l'AI poteva prevedere come la "torta" cambia man mano che il forno si scalda. Alcuni farmaci sono stabili a temperatura ambiente ma si sciolgono o cambiano forma quando riscaldati.

• Hanno testato 5 composti su una gamma di temperature (dal congelamento al molto caldo).
• Il Risultato: L'AI ha previsto con successo le tendenze generali. Ad esempio, ha indovinato correttamente che una forma di farmaco è stabile quando è fredda, ma una forma diversa prende il sopravvento quando diventa calda. Anche se non ha colto il punto esatto di commutazione della temperatura in ogni singolo caso, ha catturato il comportamento complessivo molto meglio dei metodi precedenti.

Il Punto Fondamentale

L'articolo afferma che CSP-MACE-Å è una svolta perché è abbastanza veloce da controllare milioni di ricette ma abbastanza preciso da fidarsi dei risultati.

Invece di aspettare giorni per controllare 100 ricette con lo chef maestro, questa AI può controllare migliaia di ricette nel tempo che serve per preparare una tazza di caffè, con risultati quasi altrettanto precisi dello chef maestro. Questo permette agli scienziati di "de-rischiare" il loro sviluppo farmaceutico assicurandosi di non perdere una forma cristallina migliore e più stabile che sarebbe stata troppo costosa da trovare con i vecchi metodi lenti.

Cosa l'articolo non afferma:

• Non afferma che questo strumento sia attualmente utilizzato negli ospedali o per trattare i pazienti.
• Non afferma che questo curerà immediatamente le malattie.
• Si concentra strettamente sulla predizione delle strutture cristalline, non sulla sintesi chimica o sugli studi clinici dei farmaci stessi.

Sommario tecnico

Sintesi Tecnica: Accuratezza DFT nella Predizione della Struttura Cristallina con Potenziali Interatomici basati su Machine Learning

Enunciato del Problema
La Predizione della Struttura Cristallina (CSP) è un componente critico dello sviluppo farmaceutico, essenziale per selezionare la forma allo stato solido dei principi attivi farmaceutici (API) al fine di garantire biodisponibilità, producibilità e stabilità. Il flusso di lavoro CSP standard prevede la generazione di milioni di strutture candidate e la loro classificazione per identificare i polimorfi più stabili. Lo stato dell'arte attuale per la fase di classificazione si basa sulla Teoria del Funzionale Densità corretta per la dispersione (DFT-D), come PBE con correzioni Neumann–Perrin o B86bPBE-XDM. Sebbene accurata, la DFT è computazionalmente costosa, richiedendo spesso ore per l'ottimizzazione della struttura e giorni per i calcoli dell'energia libera. Questo costo limita il numero di strutture candidate valutabili e restringe l'applicazione pratica del riordinamento basato sull'energia libera. I Potenziali Interatomici basati su Machine Learning (MLIP) offrono una soluzione potenziale per accelerare questi calcoli di ordini di grandezza, ma i tentativi precedenti hanno faticato a eguagliare l'accuratezza della DFT, in particolare nella modellazione delle elettrostatiche a lungo raggio, della dispersione e delle sottili interazioni intermolecolari nei cristalli.

Metodologia: CSP-MACE-˚A
Gli autori presentano CSP-MACE-˚A, un MLIP specializzato progettato per sostituire la DFT nei flussi di lavoro CSP. Il modello impiega un'architettura di energia decomposta, separando l'energia totale in componenti intramolecolari e intermolecolari per consentire una modellazione su misura di ciascun tipo di interazione:

1. Decomposizione dell'Energia: L'energia totale è definita come $E_{totale} = E_{intra} + E_{inter}$. L'energia intramolecolare ($E_{intra}$) è calcolata come la somma delle energie delle molecole costituenti isolate nel vuoto, mentre l'energia intermolecolare ($E_{inter}$) è la differenza residua tra il sistema periodico completo e la somma delle molecole isolate.
2. Componente Intramolecolare: Questa componente utilizza l'architettura MACE-POLAR addestrata sul dataset OMol25 (100 milioni di calcoli DFT $\omega$B97M-V/def2-TZVPD). Questo dataset di teoria di alto livello garantisce una modellazione accurata delle energie conformazionali intramolecolari, affrontando problemi come gli errori di delocalizzazione riscontrati nei funzionali DFT standard per le molecole flessibili.
3. Componente Intermolecolare: Si tratta di un modello ibrido che combina tre termini per catturare le interazioni specifiche del cristallo:
   • Contributo MACE-POLAR: Fornisce una linea di base per le interazioni intermolecolari ma manca della dispersione a lungo raggio.
   • Termine di Dispersione: Un termine a parametri fissi che segue la forma funzionale della correzione XDM (Exchange-Hole Dipole Moment). I parametri sono mediati da un set interno di 50.000 calcoli B86bPBE-XDM.
   • Modello Delta Appreso: Una rete neurale addestrata a prevedere il residuo tra i target DFT B86bPBE-XDM e la somma dei termini MACE-POLAR e dispersione. Questo modello è addestrato su 50.000 calcoli di strutture cristalline B86bPBE-XDM. Crucialmente, i target di addestramento sono residui intermolecolari isolati, impedendo alla funzione di perdita di essere dominata dai segnali energetici intramolecolari più grandi.

Contributi Chiave

• Architettura: Lo sviluppo di un MLIP decomposto che separa esplicitamente la modellazione intra- e intermolecolare, consentendo l'uso di dati di teoria di alto livello per i termini intramolecolari e dati cristallini mirati per i termini intermolecolari.
• Strategia di Addestramento: L'implementazione di un approccio di "apprendimento delta" per le interazioni intermolecolari, dove il modello impara la correzione a un modello di dispersione basato sulla fisica e a un MLIP fondamentale, mirando specificamente all'accuratezza B86bPBE-XDM.
• Valutazione Completa: Un rigoroso benchmarking di CSP-MACE-˚A rispetto ai modelli fondazionali esistenti (MACE-POLAR-1, UMA-OMC) e agli standard DFT su più dataset, incluse le pubblicazioni interne CSP di AstraZeneca e i sette test ciechi CSP.

Risultati
La valutazione è stata condotta su tre set principali:

1. Set AstraZeneca (AZ) (19 composti): CSP-MACE-˚A ha raggiunto prestazioni comparabili alla DFT PBE-NP quando classificato per energia. Tuttavia, quando le strutture sono state riordinate utilizzando energie libere armoniche (calcolate a 300 K), CSP-MACE-˚A ha superato significativamente la classificazione basata solo sull'energia, collocando le corrispondenze sperimentali tra le prime 10 strutture e a una media di 0,36 kJ/mol dall'energia minima. Ha costantemente superato sia MACE-POLAR-1 che il modello fondazionale UMA-OMC.
2. Set di Test Ciechi (28 composti): CSP-MACE-˚A ha dimostrato prestazioni vicine alla DFT B86bPBE-XDM. Sebbene la classificazione basata solo sull'energia fosse marginalmente inferiore a quella B86bPBE-XDM, l'inclusione del riordinamento basato sull'energia libera armonica ha permesso a CSP-MACE-˚A di superare le prestazioni di classificazione energetica della DFT, raggiungendo una posizione media di 2,96 rispetto a 3,25 per B86bPBE-XDM.
3. Caso di Studio ROY (Red Orange Yellow): ROY è una molecola complessa con 14 polimorfi noti, dove la DFT standard spesso fallisce a causa di errori di delocalizzazione intramolecolare. CSP-MACE-˚A ha previsto correttamente la Forma Y, sperimentalmente la più stabile, come minimo globale (entro 0,5 kJ/mol), mentre B86bPBE-XDM l'ha collocata a >5 kJ/mol più in alto. Questo successo è attribuito al modello intramolecolare ad alta fedeltà (addestrato su $\omega$B97M-V) combinato con una modellazione intermolecolare accurata.
4. Stabilità Termodinamica: Su un set di cinque composti con stabilità polimorfa dipendente dalla temperatura nota, CSP-MACE-˚A ha catturato con successo le tendenze generali nella stabilità relativa utilizzando approssimazioni di energia libera armonica. Sebbene non abbia sempre riprodotto l'ordinamento esatto dei polimorfi su tutte le temperature, ha correttamente identificato le relazioni monotrope ed enantiotrope e i punti di transizione per diversi composti (ad esempio, Cloridrato di Mexiletina, AZD5462).

Significato e Affermazioni
Il documento afferma che CSP-MACE-˚A rappresenta un passo significativo in avanti nel rendere gli MLIP fattibili per le applicazioni industriali CSP. Raggiungendo un'accuratezza a livello DFT mentre esegue calcoli più veloci di diversi ordini di grandezza, il modello consente la valutazione di un pool di strutture candidate molto più ampio di quanto sia attualmente fattibile con la DFT. Questa capacità permette una derisking più robusta delle forme solide riducendo la probabilità che polimorfi vitali siano esclusi dalla fase di classificazione a causa dei costi computazionali. Inoltre, la capacità di eseguire riordinamenti basati sull'energia libera su grandi dataset rende la valutazione della stabilità dipendente dalla temperatura pratica per un più ampio spettro di composti. Gli autori concludono che, sebbene il lavoro attuale mantenga i flussi di lavoro CSP standard, la velocità di CSP-MACE-˚A apre la porta a future adattazioni dello stesso flusso di lavoro, come l'integrazione degli MLIP nella fase di generazione della struttura.