🧬 biology

FLOWR: Flow Matching for Structure-Aware De Novo, Interaction- and Fragment-Based Ligand Generation

Het artikel introduceert FLOWR, een nieuw structuurgebaseerd framework dat flow matching combineert met equivariante optimaal transport en een gecureerde SPINDR-dataset om 3D-liganden te genereren en te optimaliseren met superieure validiteit, nauwkeurigheid en 70 keer snellere inferentie dan state-of-the-art methoden, terwijl het ook een veelzijdige multi-purpose variant biedt voor fragment-gebaseerd ontwerp zonder hertraining.

Oorspronkelijke auteurs: Julian Cremer, Ross Irwin, Alessandro Tibo, Jon Paul Janet, Simon Olsson, Djork-Arné Clevert

Gepubliceerd 2026-06-01

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Julian Cremer, Ross Irwin, Alessandro Tibo, Jon Paul Janet, Simon Olsson, Djork-Arné Clevert

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je voor dat je een meesterkok bent die een nieuw recept probeert uit te vinden. Je hebt een zeer specifieke, lege ruimte in een pan (de proteïnepocket) waar je perfect een nieuw ingrediënt (het ligand) in moet laten passen. Het ingrediënt moet niet alleen qua vorm in de ruimte passen, maar ook de juiste "smaak" hebben door te interageren met de specifieke kruiden die al in de pan zitten.

Lama een tijdje waren computerprogramma's die proberen deze nieuwe ingrediënten te ontwerpen als chefs die willekeurig raden, proeven en het dan duizenden keren opnieuw proberen. Dit is traag, en de resulterende ingrediënten zijn vaak vreemd, kapot of passen simpelweg niet goed.

Dit artikel introduceert een nieuw, sneller en slimmer systeem genaamd FLOWR, samen met een nieuw, hoogwaardig kookboek genaamd SPINDR.

1. Het Nieuwe Kookboek: SPINDR

Voordat je een computer kunt leren koken, heb je goede recepten nodig. De auteurs realiseerden zich dat de oude kookboeken (datasets die gebruikt worden om AI te trainen) vol fouten zaten. Ze bevatten ingrediënten die niet in de pannen pasten, missende kruiden of tegenstrijdige instructies.

Om dit op te lossen, creëerden ze SPINDR. Beschouw dit als een "Gouden Standaard" kookboek.

De Schoonmaak: Ze namen duizenden bestaande kristalstructuren (foto's van hoe medicijnen daadwerkelijk in proteïnepockets zitten) en maakten ze schoon. Ze herstelden ontbrekende atomen, bepaalden precies hoe de ingrediënten geladen moesten zijn en verwijderden duplicaten.
Het Resultaat: Een enorme, hoogwaardige collectie van meer dan 35.000 perfecte voorbeelden van hoe een medicijnmolecuul in een proteïnepocket past. Dit zorgt ervoor dat de AI leert van de werkelijkheid, en niet van rommelige, kapotte data.

2. De Nieuwe Chef: FLOWR

Nu ze een goed kookboek hebben, hebben ze een nieuwe chef gebouwd genaamd FLOWR.

De Oude Manier (Diffusie): Eerdere AI-chefs werkten als een beeldhouwer die een blok marmer weghakt. Ze begonnen met een willekeurige wolk van ruis en hakken langzaam de slechte delen weg om een molecuul te onthullen. Dit duurde lang en liet de sculptuur soms wat gespannen of onnatuurlijk ogen.
De FLOWR-manier (Flow Matching): FLOWR werkt meer als een GPS-navigatiesysteem. In plaats van weg te hakken, trekt het een rechte, directe lijn van "willekeurige ruis" naar het "perfecte molecuul".
- Snelheid: Omdat het de meest directe route neemt, is het ongelooflijk snel. Het artikel beweert dat het tot wel 70 keer sneller is dan de vorige beste methoden.
- Kwaliteit: Omdat het een recht pad volgt, zijn de resulterende moleculen minder "gespannen" (ze zien er niet uit also alsof ze in ongemakkelijke vormen worden gedwongen) en passen ze veel beter in de proteïnepocket.
- Het "Pocket"-gevoel: FLOWR heeft een speciaal "oor" dat aan het begin één keer luistert naar de proteïnepocket. Het onthoudt de vorm en chemie van de pocket en gebruikt dit geheugen vervolgens om het molecuul te sturen. Dit bespaart een enorme hoeveelheid rekenkracht.

3. De Speciale Tool: FLOWR.MULTI

Soms wil een chef niet alleen een compleet nieuw gerecht uitvinden; ze willen een bestaand gerecht aanpassen. Misschien willen ze de "saus" (een specifieke chemische structuur) behouden, maar de "garnering" veranderen om bij een nieuw kruidenprofiel te passen.

FLOWR.MULTI is een veelzijdige modus van de chef die dit mogelijk maakt zonder het hele systeem opnieuw te hoeven trainen.

Interactie Targeten: Je kunt FLOWR vertellen: "Zorg ervoor dat dit nieuwe molecuul deze specifieke delen van de proteïne aanraakt." De AI houdt die contactpunten vast en bedenkt de rest van het molecuul eromheen.
Scaffold Hopping: Je kunt zeggen: "Houd deze kernvorm (scaffold) aan, maar verander de rest."
Fragment Groei: Je kunt zeggen: "Begin met dit kleine stukje en groei een volledig molecuul vanuit dit fragment."

Het artikel laat zien dat het gebruik van deze "gerichte" aanpak resulteert in moleculen die veel grotere kans hebben om daadwerkelijk met de proteïne te werken, vergeleken met simpelweg willekeurig gokken.

4. De Resultaten

Wanneer de auteurs FLOWR testten tegen de huidige beste chefs (zoals PILOT):

Validiteit: De moleculen die FLOWR creëerde, waren veel vaker chemisch valide (ze zouden niet uit elkaar vallen).
Pasvorm: Ze pasten veel nauwkeuriger in de proteïnepockets.
Snelheid: Het was spectaculair sneller (tot wel 70x versnelling).
Interacties: Wanneer gevraagd werd om specifieke chemische interacties te recreëren (zoals een handdruk tussen het medicijn en de proteïne), was FLOWR.MULTI veel beter in het onthouden en reproduceren van die handdrukken.

Samenvatting

Kortom, de auteurs hebben een beter dataset (SPINDR) gebouwd om de AI te onderwijzen, en een slimmere, snellere AI (FLOWR) om nieuwe medicijnen te ontwerpen. Ze hebben ook een gespecialiseerde modus (FLOWR.MULTI) toegevoegd die wetenschappers in staat stelt om de AI aan te sturen om specifieke delen van een molecuul te behouden terwijl andere worden veranderd. Dit maakt het proces van het vinden van nieuwe medicijnkandidaten sneller, betrouwbaarder en praktischer voor echt wereldgebruik.

Technische Samenvatting: FLOWR – Flow Matching voor Structuurbewuste De Novo, Interactie- en Fragmentgebaseerde Ligandgeneratie

Probleemstelling

Structuurgebaseerde medicijnontwikkeling (SBDD) streeft naar het ontwerpen van bioactieve verbindingen door gebruik te maken van de driedimensionale structuren van biologische macromoleculen. Hoewel traditionele methoden zoals moleculaire docking en virtuele screening uitdagingen kennen bij het verkennen van enorme chemische ruimtes en het nauwkeurig voorspellen van bindingsposities, hebben recente deep learning-benaderingen, met name diffusiemodellen, veelbelovende resultaten laten zien. Bestaande diffusiegebaseerde methoden lijden echter onder verschillende beperkingen: de afhankelijkheid van iteratieve stochastische sampling leidt tot langdurige inferentietijden; gegenereerde moleculen vertonen vaak gespannen conformaties, ongebruikelijke substructuren en een verminderde geneesmakendheid (drug-likeness); bovendien hebben ze vaak moeite met een nauwkeurige herwinning van interacties. Verder wordt de evaluatie van deze methodologieën gehinderd door de kwaliteit van veelgebruikte benchmark-datasets (bijv. CROSSDOCKED2020), die vaak structurele defecten, onrealistische ligand-pocket-beperkingen als gevolg van rigide cross-docking protocollen en significante datalekken tussen trainings- en testsets bevatten.

Methodologie

De auteurs introduceren FLOWR, een generatief framework ontworpen voor de de novo generatie van driedimensionale liganden geconditioneerd op proteïne-pockets. De methodologie integreert verschillende geavanceerde technieken:

Flow Matching met Equivariante Optimale Transport: In tegen tegenstelling tot diffusiemodellen die vertrouwen op iteratieve stochastische processen, maakt FLOWR gebruik van continue en categorische flow matching. Het maakt gebruik van equivariant optimal transport (EOT) om de transportkosten tussen de ruisdistributie en de datadistributie te verlagen. Deze aanpak staat directere integratiepaden en efficiëntere sampling toe.
Architectuur: Het model is gebouwd op de SEMLA-architectuur, een E(3)-equivariante message passing framework. FLOWR breidt dit uit door een speciale pocket encoder te integreren die de kenmerken van de proteïne-pocket onafhankelijk van de flow-tijd en de ruisige ligand verwerkt. Deze codering wordt eenmalig berekend en hergebruikt, wat de kosten amortiseert. De ligand decoder gebruikt equivariante cross-attention om pocketinformatie en optioneel interactieprofielen te integreren.
Hybride Modellering: FLOWR modelleert gezamenlijk continue kenmerken (ligandcoördinaten) en discrete kenmerken (atoomtypen, bindingsordes, formele ladingen). Het gebruikt continue flow matching voor coördinaten en discrete flow modellen voor categorische eigenschappen, waarbij formele ladingen direct worden voorspeld.
SPINDR Dataset: Om problemen met de datakwaliteit aan te pakken, presenteren de auteurs SPINDR (Small molecule Protein Interaction Dataset, Refined). Afgeleid van de PLINDER-dataset, ondergaat SPINDR een rigoureuze pijplijn inclusief structuurverfijning (met behulp van de Schrödinger protein preparation wizard), toewijzing van protonatietoestanden, interactie-inferentie op atomaire resolutie (via ProLIF) en kwaliteitsfiltering. Cruciaal is dat het de PLINDER data-splitsen behoudt om datalekken tussen training en test te minimaliseren en expliciete interactieprofielen biedt.
FLOWR.MULTI: Een uitbreiding van het basismodel die multi-doel gerichte conditionele generatie mogelijk maakt. Het ondersteunt inpainting-stijl generatie waarbij specifieke fragmenten (bijv. scaffolds, functionele groepen of atomen betrokken bij specifieke interacties) worden vastgezet (gezet op $t=1$ ), terwijl de rest van het molecuul wordt gegenereerd. Dit maakt scaffold hopping, elaboratie en interactie-conditioneel ontwerp mogelijk zonder hertraining.

Belangrijkste Bijdragen

FLOWR Model: Een flow-gebaseerd generatief model dat de state-of-the-art diffusie- en flow-gebaseerde methoden overtreft in pose-nauwkeurigheid, validiteit en interactieherwinning, terwijl het aanzienlijk snellere inferentietijden biedt (tot wel 7al 70-voudig).
SPINDR Dataset: Een hoogwaardige, gecureerde benchmark-dataset van ligand-pocket co-kristalcomplexen die de structurele defecten en datalekken aanpakt die prevalent zijn in bestaande datasets zoals CROSSDOCKED2020 en PDBBind. Het bevat vooraf berekende interactieprofielen op atomaire resolutie.
FLOWR.MULTI: Een veelzijdig framework voor gerichte ligandgeneratie. Het maakt het mogelijk om liganden te genereren die voldoen aan vooraf gedefinieerde interactieprofielen of chemische substructuren (scaffolds, functionele groepen) in een enkel model, wat fragmentgebaseerde ontwerpstrategieën zoals scaffold hopping en linking faciliteert zonder computationeel dure re-sampling of hertraining.

Resultaten

Empirische evaluaties werden uitgevoerd op zowel de CROSSDOCKED2020 dataset (als baseline vergelijking) als de voorgestelde SPINDR dataset.

Prestaties vs. Baselines: Op CROSSDOCKED2020 overtrof FLOWR modellen zoals POCKET2MOL, DIFFSBDD, TARGETDIFF, DRUGFLOW en PILOT op alle metrieken, waarbij het de hoogste PoseBusters-validiteit (0.92) en de laagste spanning (strain energy) behaalde.
SPINDR Evaluatie: Bij vergelijking met PILOT (de sterkste concurrent) op SPINDR:
- Validiteit: FLOWR behaalde een hogere RDKit-validiteit (0.94 vs. 0.79) en PoseBusters-validiteit (0.88 vs. 0.71).
- Pose Nauwkeurigheid: FLOWR demonstreerde superieure AutoDock-Vina scores (-6.93 vs. -6.30) en lagere spanningen (90.05 vs. 120.10 kcal/mol).
- Distributie Leren: FLOWR vertoonde lagere Wasserstein-afstanden voor bindingshoeken, bindingslengtes en dihedrale hoeken, wat wijst op een betere afstemming met de testset-distributie.
- Efficiëntie: FLOWR was ongeveer 70 keer sneller dan PILOT bij het gebruik van 20 integratiestappen (vergeleken met PILOT's 500 stappen), en nog steeds 20 keer sneller met 100 stappen.
- Interactieherwinning: FLOWR presteerde beter dan PILOT in het herstellen van interactie-fingerprints (47.1% vs. 43.2% succespercentage).
FLOWR.MULTI Mogelijkheden:
- Interactie-Conditioneel: Genereerde liganden met een gemiddelde interactieherwinning van 76.1% en verbeterde Vina-scores (-7.18) vergeleken met onconditionele generatie.
- Fragment-gebaseerd: Succesvol liganden gegenereerd rond specifieke scaffolds en functionele groepen, waarbij een hoge validiteit (PB-validiteit > 0.85) en synthetische toegankelijkheid (SA scores ~0.80) werd behouden terwijl gecontroleerde exploratie van de chemische ruimte mogelijk was.
- Expliciete Waterstofatomen: Hoewel het modelleren van expliciete waterstofatomen de validiteit voor beide modellen verminderde (door beperkte dekking in de trainingsdata), behield FLOWR een vergelijkbare prestatie als PILOT en toonde het verbeterde spanning-metrieken.

Betekenis en Claims

Het artikel claimt dat FLOWR en FLOWR.MULTI een significante vooruitgang vormen in AI-gestuurde structuurgebaseerde medicijnontwikkeling. Door state-of-the-art flow matching-technieken te combineren met efficiënte proteïne-pocket conditionering, verbetert het framework aanzienlijk de betrouwbaarheid en toepasbaarheid van de novo, interactie- en fragmentgebaseerde ligandgeneratie.

De auteurs benadrukken dat de SPINDR dataset een cruciaal hulpmiddel is voor de gemeenschap, omdat het een robuuste benchmark biedt die de beperkingen van huidige datasets met betrekking tot pose-kwaliteit en datalekken aanpakt. Zij positioneren FLOWR.MULTI als een praktisch instrument voor hit-expansie, hit-to-lead en lead-optimalisatie campagnes, in staat om liganden te genereren die overeenkomen met specifieke interactiepatronen en chemische restricties zonder de noodzaak van modelhertraining.

De auteurs blijven echter bescheiden over de huidige beperkingen. Ze erkennen dat gegenereerde liganden nog steeds hogere spanningen vertonen dan referentie co-kristalstructuren, dat het modelleren van expliciete waterstofatomen uitdagend blijft door datarelatie, en dat het huidige model werkt op statische proteïnestructuren, waarbij de conformationele flexibiliteit wordt genegeerd. Zij beschouwen deze modellen als ideatie-instrumenten die de expertise van medicinale chemici en experimentele validatie aanvullen, in plaats van vervangen.