Interrogating contrastive learning embeddings for structure-based virtual screening: a case study on DrugCLIP
Questo articolo valuta sistematicamente gli embedding del contrastive learning di DrugCLIP per lo screening virtuale basato sulla struttura, rivelando che mentre i suoi embedding della tasca offrono una ricerca di similarità strutturale rapida e robusta e i suoi embedding del ligando catturano pattern chimici sensibili alla tasca con una forte capacità di generalizzazione verso target non visti, le prestazioni sono significativamente limitate dalle variazioni conformazionali e dalle imprecisioni nelle tasche proteiche predette.
Articolo originale sotto licenza CC BY 4.0 (https://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
Trovare un nuovo farmaco è una scommessa lenta e costosa. Possono volere quindici anni e costare oltre un miliardo di dollari per portare un singolo farmaco sul mercato, principalmente perché la maggior parte dei potenziali candidati fallisce lungo il percorso. Per ridurre questo spreco, gli scienziati utilizzano programmi informatici per setacciare milioni di composti chimici, alla ricerca di quei pochi che potrebbero aderire a una specifica proteina responsabile di una malattia. Questo processo, chiamato screening virtuale, agisce come un filtro, restringendo una massiccia libreria di possibilità a un elenco gestibile per i test nel mondo reale. Per decenni, ciò si è basato sul far combaciare la forma fisica di un farmaco con la forma del sito di legame di una proteina, un compito computazionalmente pesante e spesso troppo lento per l'enorme numero di proteine e sostanze chimiche oggi disponibili.
Recentemente, è emersa un nuovo approccio che tratta questa ricerca come un problema di traduzione linguistica. Invece di calcolare la fisica di ogni singola interazione, questi metodi utilizzano l'intelligenza artificiale per tradurre sia la tasca di legame della proteina che la molecola del farmaco in un linguaggio astratto e condiviso di numeri. In questo spazio condiviso, un farmaco che si adatta bene a una proteina avrà un modello numerico molto simile al modello della proteina stessa, mentre un cattivo abbinamento apparirà molto diverso. Ciò consente ai computer di trovare buoni abbinamenti semplicemente confrontando questi modelli numerici, un processo incredibilmente veloce. Uno di questi strumenti, chiamato DrugCLIP, ha mostrato grande promessa, ma fino ad ora, gli scienziati non comprendevano appieno cosa rappresentassero realmente questi modelli numerici astratti. Sapevano che lo strumento funzionava, ma non sapevano se stesse comprendendo davvero la chimica o se stesse solo memorizzando le risposte.
Un team di ricercatori dell'University College London ha deciso di aprire la scatola nera di DrugCLIP per vedere esattamente cosa stesse accadendo all'interno. Hanno trattato lo strumento non come una bacchetta magica, ma come un sistema che può essere misurato e compreso. La loro investigazione ha rivelato che lo strumento aveva appreso qualcosa di molto più utile del semplice accoppiamento tra farmaci e proteine. I ricercatori hanno scoperto che la rappresentazione interna dello strumento della tasca di legame di una proteina era così accurata da poter identificare tasche simili in diverse proteine meglio di qualsiasi metodo esistente, e lo faceva più di cento volte più velocemente. Questo è stato una sorpresa perché allo strumento non era stato esplicitamente insegnato a trovare tasche simili; gli era stato solo insegnato a trovare farmaci che si legano. Eppure, nel processo di apprendimento su come trovare i farmaci, aveva involontariamente imparato a riconoscere la forma e la struttura delle tasche stesse con una precisione straordinaria.
Il team ha anche esaminato come lo strumento gestisse la realtà fisica delle molecole. Le proteine e i farmaci non sono statue rigide; oscillano e si spostano. I ricercatori hanno testato se lo strumento si sarebbe confuso se a un farmaco venisse mostrata una forma leggermente diversa o se la proteina fosse in una posizione leggermente diversa. Hanno scoperto che lo strumento era straordinariamente robusto. Anche quando lo stesso farmaco veniva mostrato in decine di forme oscillanti diverse, lo strumento lo riconosceva come la stessa molecola. Allo stesso modo, quando la tasca della proteina veniva mostrata in stati diversi — alcuni legati a un farmaco, altri vuoti e altri ancora predetti da altri modelli di IA — la mappa interna dello strumento rimaneva coerente. Tuttavia, lo studio ha tracciato una linea netta dove le prestazioni dello strumento iniziavano a calare. Quando i ricercatori hanno utilizzato strutture proteiche predette che presentavano gli amminoacidi errati nel sito di legame, o quando le catene laterali della proteina puntavano nella direzione sbagliata, la capacità dello strumento di trovare il farmaco corretto è diminuita significamente. Ciò ha indicato che, sebbene lo strumento sia potente, dipende ancora da un'immagine accurata della struttura fisica della proteina.
Forse il risultato più importante è stato un test per verificare se lo strumento si stesse affidando alla memorizzazione. I ricercatori hanno creato un test rigoroso in cui chiedevano allo strumento di trovare farmaci per proteine e sostanze chimiche che non aveva mai visto prima, assicurandosi che non potesse semplicemente richiamare le risposte dai suoi dati di addestramento. I risultati sono stati incoraggianti. Per nuove proteine con una chimica completamente nuova, lo strumento riusciva comunque a classificare il farmaco corretto entro il primo uno percento di tutti i candidati possibili in circa 55-75 casi su 100. Questo ha dimostuto che lo strumento stava realmente imparando le regole di come le proteine e i farmaci interagiscono, piuttosto che limitarsi a memorizzare un elenco di coppie note. Ha dimostrato che lo strumento poteva generalizzare la sua conoscenza a situazioni completamente nuove, un requisito critico per la scoperta di farmaci nel mondo reale.
Lo studio ha concluso che, sebbene strumenti come DrugCLIP rappresentino un enorme salto in avanti in termini di velocità e capacità, non sono ancora perfetti. Il loro successo dipende dall'accuratezza della struttura proteica fornita loro. Se il modello iniziale della proteina è leggermente errato, o se il sito di legame predetto include gli atomi sbagliati, le prestazioni dello strumento ne risentono. I ricercatori suggeriscono che il passo successivo per migliorare questi sistemi non sia solo un'IA migliore, ma metodi migliori per predire la forma precisa delle tasche proteiche. Combinando questi strumenti di screening veloci e intelligenti con predizioni strutturali più accurate, gli scienziati possono avvicinarsi a un futuro in cui trovare nuovi medicinali sia più veloce, economico e affidabile. Il lavoro demistifica una tecnologia complessa, mostrando che essa è una potente nuova lente per osservare il mondo molecolare, a patto che la lente stessa sia tenuta ferma.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.