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

Simpatico è uno strumento di screening virtuale open-source e ultra-veloce che sfrutta embedding a livello atomico e recupero per vicini più prossimi per raggiungere un'accuratezza all'avanguardia nella previsione del legame proteina-ligando, superando significativamente sia il docking tradizionale che i metodi esistenti basati su embedding in termini di velocità e precisione senza richiedere la stima della posa 3D.

L'essenziale

Immagina di essere un detective che cerca la chiave perfetta per aprire una porta specifica e complessa (una proteina che causa malattie). Nel mondo della scoperta di farmaci, questa "chiave" è una minuscola molecola, e ci sono miliardi di chiavi potenziali in un gigantesco magazzino.

Il Vecchio Metodo: Il Chiavista Lento
Tradizionalmente, gli scienziati utilizzavano un metodo chiamato "molecular docking" (docking molecolare). Questo è come assumere un chiavista per provare ogni singola chiave contro la porta, una alla volta. Essi testano fisicamente la corrispondenza, misurano quanto bene gira e registrano il risultato. Sebbene accurato, questo metodo è incredibilmente lento. Se hai un miliardo di chiavi, provarle una alla volta richiede un'eternità. È troppo lento per la moderna scoperta di farmaci.

Il Metodo di Mezzo: L'Approccio "Riassunto Unico"
Recentemente, un nuovo metodo chiamato "embedding-retrieval" (come uno strumento chiamato DrugCLIP) ha cercato di accelerare i tempi. Invece di testare le chiavi una alla volta, ha creato una "carta d'identità riassuntiva" per ogni chiave e per ogni porta. Ha imparato a raggruppare chiavi e porte che appartengono insieme in un gigantesco archivio digitale. Per trovare una corrispondenza, cercava semplicemente le carte d'identità più vicine.

Tuttavia, questo metodo aveva un difetto: schiacciava l'intera porta e l'intera chiave in un'unica singola carta d'identità. Era come descrivere una casa complessa e multistanza con una singola frase. Se una chiave si adattava solo alla porta d'ingresso ma non a quella posteriore, la carta d'identità riassuntiva non poteva catturare quella sfumatura. Perdeva dettagli importanti su dove le parti si adattavano.

Il Nuovo Metodo: Simpatico (Il Matchmaker Atomico)
Il documento introduce un nuovo strumento chiamato Simpatico. Invece di creare una singola carta d'identità riassuntiva per l'intera chiave o l'intera porta, Simpatico crea una carta d'identità unica per ogni singolo atomo (i minuscoli mattoni costitutivi) all'interno della chiave e della porta.

Pensala in questo modo:

• La Porta: Invece di una singola carta d'identità per l'intera casa, Simpatico crea una carta d'identità specifica per la maniglia della porta d'ingresso, la finestra posteriore e il cancello laterale.
• La Chiave: Fa lo stesso per la chiave, creando carte d'identità per ogni minuscola sporgenza e scanalatura sulla sua superficie.

Come Funziona
Simpatico viene addestrato a sapere che se una specifica sporgenza su una chiave tocca solitamente una specifica scanalatura su una porta, le loro carte d'identità dovrebbero essere "migliori amiche" nell'archivio digitale.

Quando gli scienziati vogliono trovare un farmaco:

1. Prendono la "porta" (la proteina) e guardano le carte d'identità delle sue parti specifiche (la tasca dove si adatta il farmaco).
2. Chiedono all'archivio: "Quali chiavi nel nostro magazzino da un miliardo di chiavi hanno parti che sono migliori amiche di queste specifiche parti della porta?"
3. Il sistema trova istantaneamente gli atomi corrispondenti.
4. Un semplice passaggio matematico somma queste corrispondenze per assegnare un punteggio all'intera chiave.

Perché è un Cambiamento di Paradigma

• Velocità: Poiché cerca parti corrispondenti invece di testare intere chiavi, è incredibilmente veloce, di ordini di grandezza più veloce dei vecchi metodi. Può scansionare miliardi di opzioni nel tempo che i vecchi metodi impiegano per controllarne alcune migliaia.
• Accuratezza: Anche se è stato addestrato su un insieme di dati relativamente piccolo (circa 15.000 esempi) e non ha bisogno di indovinare la forma 3D della chiave in anticipo, è più accurato nel trovare le corrispondenze giuste rispetto ai vecchi metodi "riassuntivi" e persino migliore delle complesse simulazioni basate sulla fisica.
• Open Source: I creatori hanno reso lo strumento, il codice e i dati gratuiti per l'uso di tutti.

In breve, Simpatico non si limita a indovinare se una chiave si adatta a una porta; verifica se le minuscole sporgenze sulla chiave corrispondono alle minuscole scanalature sulla porta, facendolo con tale velocità e accuratezza da battere i migliori metodi attuali nel settore.

Sommario tecnico

Riepilogo Tecnico: Simpatico

Enunciato del Problema
Lo screening virtuale è un passo critico iniziale nella scoperta di farmaci, che coinvolge la valutazione in-silico di vaste librerie di piccole molecole per identificare quelle che si legano a un target proteico terapeutico. L'approccio dominante, il docking molecolare, richiede un calcolo separato e computazionalmente costoso per ogni coppia proteina-molecola. Ciò rende il docking proibitivamente lento per le moderne librerie di composti contenenti miliardi di composti. Sebbene recenti paradigmi di embedding-recupero (ad esempio DrugCLIP) abbiano tentato di affrontare questo collo di bottiglia mappando proteine e ligandi in uno spazio di embedding condiviso per il recupero dei vicini più prossimi, essi soffrono di una limitazione significativa: collassano ogni intera proteina e ogni intero ligando in un singolo vettore di embedding. Questo "collo di bottiglia informativo" limita la capacità del modello di rappresentare compatibilità di legame parziali o alternative, poiché non può distinguere quali parti specifiche di una molecola sono responsabili del legame.

Metodologia
Gli autori presentano Simpatico, uno strumento di screening virtuale basato su embedding-recupero progettato per superare i limiti delle rappresentazioni a vettore singolo. Invece di generare un embedding per molecola, Simpatico produce un embedding unico per ogni atomo all'interno di una tasca proteica o di un ligando.

• Obiettivo di Addestramento: Il modello utilizza un obiettivo contrastivo in stile CLIP. Addestra gli embedding atomici in modo che le coppie atomo-proteina-atomo-ligando note per interagire siano posizionate vicine nello spazio di embedding.
• Processo di Screening: Per setacciare un target proteico, il sistema utilizza ogni embedding di atomo proteico come query contro un database vettoriale contenente embedding atomici precalcolati di piccole molecole. Questo restituisce gli atomi corrispondenti più vicini dalla libreria.
• Punteggio: Un semplice passaggio di aggregazione assegna un punteggio di legame finale a ogni molecola candidata in base agli atomi recuperati che contiene.
• Efficienza di Indicizzazione: A differenza dei precedenti metodi di recupero che indicizzano un vettore per ligando, Simpatico indicizza un vettore per atomo pesante. Di conseguenza, il tempo di query cresce in modo sublineare con la dimensione della libreria, consentendo la scalabilità a scale di miliardi di composti.

Contributi Chiave

• Embedding a Livello Atomico: Il passaggio da embedding globali di molecola a embedding per atomo, che consente la rappresentazione di compatibilità di legame parziali.
• Architettura di Recupero Efficiente: Un sistema che sfrutta database vettoriali per query a livello atomico, ottenendo una crescita sublineare del tempo di query.
• Efficienza dei Dati: Il modello raggiunge alte prestazioni addestrato su soli ~15.000 complessi proteina-ligando dal dataset PDBBind, senza richiedere pre-addestramento o stima della posa 3D del ligando.

Risultati
Su impegnativi benchmark di decoy, Simpatico raggiunge un'accuratezza predittiva allo stato dell'arte. Nello specifico:

• Supera i recenti metodi di recupero denso.
• Supera l'accuratezza dei metodi di docking basati sulla fisica e dei metodi di docking potenziati dall'apprendimento profondo.
• È competitivo con i metodi di docking basati sulla diffusione.
• In termini di velocità, funziona di ordini di grandezza più velocemente rispetto al docking basato sulla fisica, al docking potenziato dall'apprendimento profondo e al docking basato sulla diffusione.

Significato
Il documento posiziona Simpatico come una soluzione al compromesso tra scalabilità e accuratezza nello screening virtuale. Spostandosi dal collo di bottiglia informativo delle rappresentazioni a vettore singolo, consente lo screening rapido di librerie di miliardi di composti con un'accuratezza che rivaleggia o supera i metodi di docking più intensivi dal punto di vista computazionale. Lo strumento è rilasciato come software open-source, con codice, pesi e dati disponibili per la comunità.