Temperature transferable Machine Learned Coarse Grained model for proteins

Sintesi Tecnica: Modello di Apprendimento Automatico Coarse-Grained per Proteine Trasferibile con la Temperatura

Problematica
Le simulazioni molecolari coarse-grained (CG) sono essenziali per studiare grandi sistemi biologici su lunghi intervalli temporali, tuttavia la loro accuratezza è stata storicamente limitata dalla difficoltà di definire interazioni efficaci. Recenti progressi nell'apprendimento automatico (ML) hanno migliorato i potenziali CG approssimando il Potenziale di Forza Media (PMF) mediante Reti Neurali a Grafo (GNN). Tuttavia, persiste un limite critico: i modelli standard di Coarse-Graining basati su ML (MLCG) sono tipicamente addestrati a un singolo stato termodinamico. Essi codificano implicitamente sia i contributi energetici che quelli entropici all'interno di un unico potenziale efficace, mancando di trasferibilità con la temperatura. Di conseguenza, questi modelli non possono estrapolare o interpolare coerentemente tra diverse temperature, né possono predire quantità termodinamiche dipendenti dalla temperatura come la capacità termica ($c_V$), che richiedono una separazione esplicita tra energia ed entropia.

Metodologia
Gli autori propongono un framework MLCG termodinamicamente informato che decompone esplicitamente il PMF CG ($W$) nei suoi componenti energetico ($U_W$) ed entropico ($S_W$), aderendo alla relazione $W = U_W - TS_W$.

1. Vincolo Termodinamico per Costruzione:
   Invece di utilizzare termini di penalità "soft" nella funzione di perdita, gli autori impongono una relazione termodinamica esatta tra energia ed entropia direttamente all'interno dell'architettura della rete neurale. Utilizzando la relazione $\frac{\partial U_W}{\partial T} - T \frac{\partial S_W}{\partial T} = 0$, hanno progettato una rete vincolata in cui l'output del modello non vincolato viene trasformato per soddisfare tale condizione. Ciò garantisce che il modello rimanga fisicamente fondato durante l'estrapolazione.

2. Obiettivo di Addestramento Congiunto:
   Il modello viene addestrato utilizzando una funzione di perdita multi-obiettivo che combina:

   • Force Matching (FM): Minimizzazione della differenza tra le forze CG e le forze atomistiche mappate per approssimare il PMF completo.
   • Energy Matching (EM): Minimizzazione della differenza tra la componente energetica predetta ($U_W$) e il potenziale energetico atomistico di riferimento.
     Questa ottimizzazione congiunta permette al modello di apprendere simultaneamente il corretto paesaggio di energia libera e la sua decomposizione energetica.

3. Prior e Shift Dipendenti dalla Temperatura:
   Per garantire la stabilità fisica (prevenendo lo stiramento non fisico dei legami o sovrapposizioni) e per tenere conto degli spostamenti di energia media, il framework incorpora:

   • Prior dipendenti dalla temperatura per i termini legati (legami, angoli, diedri), derivati analiticamente per caratteristiche distribuite gaussianamente.
   • Uno shift energetico globale ($U_W^{shift} = aT + b$) per allineare le fluttuazioni dell'energia atomistica con i dati di addestramento. Gli autori osservano che, mentre uno shift lineare stabilizza l'addestramento, correzioni polinomiali di ordine superiore possono essere applicate post-hoc per migliorare le predizioni termodinamiche senza riaddestrare la GNN.

4. Dataset:
   Il framework è stato validato sulla proteina Chignolin (CLN025) utilizzando un dataset esteso di circa 250 $\mu$s di simulazioni di Dinamica Molecolare (MD) atomistiche attraverso cinque temperature (da 300 K a 400 K). La rappresentazione CG mappa ogni residuo in un singolo bead $C_\alpha$.

Risultati Chiave

• Consistenza Termodinamica: A differenza dei baseline a singola temperatura, che falliscono nel mantenere il corretto equilibrio tra stato ripiegato (folded) e srotolato (unfolded) quando testati al di fuori della temperatura di addestramento, il modello dipendente dalla temperatura riproduce accuratamente i profili di energia libera del riferimento atomistico attraverso l'intero intervallo 300–400 K. Ciò è valido sia per l'interpolazione (350 K) che per l'estrapolazione (300 K, 400 K).
• Predizione della Capacità Termica: Lo studio dimostra che il framework può recuperare la capacità termica isocora ($c_V$), una quantità inaccessibile ai modelli MLCG standard. Sebbene lo shift energetico lineare iniziale fosse insufficiente per una predizione precisa di $c_V$, l'applicazione di una semplice correzione scalare post-hoc (adattando polinomi di ordine superiore alla media dell'energia) ha permesso al modello di corrispondere accuratamente alla capacità termica atomistica senza riaddestrare la GNN.
• Decoupling di Struttura ed Energia: I risultati suggeriscono che le caratteristiche strutturali apprese dalla GNN sono disaccoppiate dal baseline energetico globale. La capacità termica è governata principalmente da uno shift energetico indipendente dalla struttura, che può essere raffinato efficientemente tramite aggiustamenti scalari.

Significatività e Rivendicazioni
Il documento sostiene di fornire un percorso fisicamente fondato verso simulazioni MLCG termodinamicamente trasferibili. Imponendo la consistenza termodinamica attraverso vincoli architettonici piuttosto che la regolarizzazione della perdita, il modello garantisce un comportamento fisicamente coerente attraverso diversi regimi di temperatura. Il lavoro evidenzia che la decomposizione esplicita del PMF nei suoi componenti energetico ed entropico è essenziale per:

1. Estrapolare accuratamente i paesaggi di energia libera a temperature non addestrate.
2. Predire quantità dipendenti dalla temperatura come la capacità termica.
3. Permettere un approccio modulare in cui l'apprendimento strutturale (GNN) può essere separato dagli shift energetici globali, consentendo predizioni termodinamiche ad alta precisione tramite correzioni post-hoc economiche.

Gli autori concludono che questo approccio supera i limiti degli attuali modelli MLCG a stato singolo, offrendo un metodo robusto per simulare complessi sistemi biomolecolari sotto diverse condizioni termodinamiche.