Thermodynamics-Informed Accurate pKa Prediction and Protonation State Generation in PlayMolecule AI

Dit paper introduceert AcepKa, een geavanceerde toepassing binnen het PlayMolecule AI-platform die thermodynamisch consistente pKa-waarden en protonatietoestanden voorspelt door het Uni-pKa-framework te combineren met een hergetrainde Uni-Mol backbone en geoptimaliseerde engineering voor snellere conformergeneratie en directe protonatie.

De kern

Stel je voor dat je een sleutel (een medicijn) hebt die je in een slot (een ziekteverwekker in je lichaam) wilt steken. Om die sleutel te laten werken, moet hij precies de juiste vorm en het juiste gewicht hebben. Maar hier is het probleem: die sleutel is niet statisch. Hij kan "op en neer" gaan, afhankelijk van de omgeving. In je maag is het zuur, in je bloed is het minder zuur. Deze veranderingen zorgen ervoor dat de sleutel protonen (kleine deeltjes met een lading) opneemt of afgeeft.

Als de sleutel de verkeerde lading heeft, past hij niet meer in het slot. Het medicijn werkt dan niet, of het lost niet op in je bloed.

Dit is waar het onderzoek van AcepKa om draait. Het is een slimme computerprogramma dat precies voorspelt hoe een molecuul zich gedraagt in verschillende omgevingen, zodat artsen de juiste "sleutel" kunnen maken.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: De "Chameleons" van de Wereld

Veel medicijnen zijn als chameleons. Ze kunnen van kleur (of lading) veranderen.

• De oude manier: Vroeger keken wetenschappers naar één specifieke vorm van het molecuul en probeerden ze een getal te voorspellen (de pKa-waarde). Dit was alsof je probeert het weer te voorspellen door alleen naar de lucht te kijken, zonder rekening te houden met de wind, de temperatuur of de luchtvochtigheid. Het was vaak onnauwkeurig, vooral als een molecuul meerdere plekken had waar het van lading kon veranderen.
• De nieuwe manier (AcepKa): AcepKa kijkt niet naar één vorm, maar naar alle mogelijke vormen tegelijk. Het denkt: "Oké, in deze situatie is het molecuul 90% de ene vorm en 10% de andere." Het houdt rekening met de hele familie van mogelijke toestanden. Dit noemen ze een "thermodynamisch consistent" model. Het is alsof je niet alleen de sleutel bekijkt, maar ook alle mogelijke versies van de sleutel die er zouden kunnen zijn, en berekent welke het beste past.

2. De Motor: Een Super-Snelle 3D-Scanner

Om dit te doen, moet het programma duizenden 3D-versies van het molecuul genereren.

• Het oude gereedschap: Stel je voor dat je een auto moet bouwen en je hebt een gereedschap dat één bout per minuut aandraait. Dat is te langzaam voor een fabriek.
• Het nieuwe gereedschap (AceConfgen): AcepKa heeft een eigen, supersnel gereedschap gebouwd dat werkt op krachtige videokaarten (zoals die in gaming-computers). Dit nieuwe gereedschap is 40 keer sneller dan de concurrenten.
  • De analogie: Waar de oude methode 1 uur nodig had om alle mogelijke vormen van een molecuul te tekenen, doet AcepKa dit in 1,5 minuut. Het is alsof je van een fiets op een raket bent gestapt.

3. De Slimme Assistent: PlayMolecule AI

AcepKa zit niet in een donkere serverkamer, maar is ingebouwd in een platform genaamd PlayMolecule AI.

• De "Co-wetenschapper": Stel je voor dat je een robot-assistent hebt die alles voor je regelt. Je kunt tegen hem zeggen: "Hey, ik heb dit molecuul in een eiwit gevonden, wat is de lading op pH 7.4?"
• De robot doet het werk: De robot pakt het molecuul, draait het in 3D, berekent alle ladingen, en toont je direct het resultaat in een 3D-bril. Je hoeft niet zelf te rekenen.
• De "Check": Als de robot ziet dat een medicijn net op de rand zit (bijvoorbeeld half geladen en half niet), waarschuwt hij je: "Let op, dit molecuul is instabiel in het bloed. Misschien moeten we het iets aanpassen."

Waarom is dit belangrijk?

In de farmaceutische industrie wordt er veel geld en tijd verspild aan medicijnen die in het lab werken, maar in het menselijk lichaam falen omdat de lading niet klopt.

Met AcepKa kunnen wetenschappers:

1. Sneller werken: Door de 40x snelheidssprong.
2. Betere medicijnen maken: Omdat ze precies weten hoe het molecuul zich gedraagt in het lichaam.
3. Minder fouten: Omdat ze rekening houden met alle mogelijke vormen, niet alleen de makkelijkste.

Kortom: AcepKa is als een super-slimme, supersnelle voorspeller die je vertelt hoe een molecuul zich zal gedragen in je lichaam, zodat je de perfecte sleutel voor het slot kunt maken, voordat je überhaupt begint met het bouwen van de sleutel.

Technische samenvatting

Probleemstelling

Het nauwkeurig voorspellen van zuurgraadconstanten (pKa) en het bepalen van de dominante protonatietoestanden is cruciaal in de geneesmiddelenontwikkeling. Deze eigenschappen bepalen fundamentele farmacokinetische parameters zoals oplosbaarheid, membraanpermeabiliteit en de bindingsaffiniteit aan eiwitten.

Bestaande methoden kampen echter met ernstige beperkingen:

• Empirische en QSAR-modellen: Gebaseerd op lokale atoomdescriptoren, wat leidt tot beperkte generaliseerbaarheid en het negeren van complexe interacties tussen meerdere ioniseerbare groepen.
• Diepe leermodellen (bijv. MolGpKa): Beschouwen pKa vaak als een lokaal regressieprobleem per site. Dit leidt tot thermodynamische inconsistenties waarbij de voorspelde waarden fundamentele thermodynamische cycli schenden, omdat het globale protonatienetwerk niet wordt gemodelleerd.
• Kwantummechanica (QM): Hoewel fysiek rigoureus, zijn deze methoden computatieel te duur voor grootschalige toepassingen vanwege de noodzaak van uitgebreide conformationele sampling en oplosmiddelsimulaties.

Er is dus behoefte aan een methode die thermodynamische consistentie garandeert, hoge nauwkeurigheid biedt en computatieel efficiënt is.

Methodologie

De auteurs presenteren AcepKa, een geavanceerde applicatie binnen het PlayMolecule AI-platform, gebouwd op het theoretisch rigoureuze Uni-pKa-kader.

1. Theoretisch Fundament: Micro-to Macro-Overgang
In plaats van pKa direct te regresseren, modelleert AcepKa het volledige ensemble van protonatietoestanden (microstates).

• Boltzmann-verdeling: De populatie van een microtoestand wordt bepaald door zijn vrije energie ($G$).
• Formulering: De macroscopische zuurgraadconstante ($K_a$) wordt afgeleid uit de verhouding van de partitiefuncties van de gedeprotoneerde en geprotoneerde macrotoestanden:
  $$K_a = \frac{\sum_{i \in A^-} e^{-G_i/RT}}{\sum_{j \in HA} e^{-G_j/RT}}$$
  Door de vrije energie ($G$) voor elke microtoestand te voorspellen, kan het systeem analytisch de macro-pKa's en de pH-afhankelijke populaties berekenen, wat thermodynamische consistentie garandeert.

2. Architectuur
De voorspellende engine bestaat uit drie componenten:

• Microstate Enumerator: Een regelgebaseerde module die alle geldige protonatietoestanden genereert (met ladingen tussen -2 en +2) op basis van SMARTS-patronen voor ioniseerbare groepen.
• Uni-Mol Backbone: Een 3D-moleculair representatiemodel (Transformer-architectuur) dat invariant is voor SE(3)-transformaties (rotatie en translatie). Het voert de coördinaten en atoomtypen in en voorspelt de standaard Gibbs-vrije energie.
• FE2pKa Module: Verwerkt de voorspelde vrije energieën via de bovenstaande vergelijkingen om macro-pKa's en populaties te genereren.

3. Training
Het model is opnieuw getraind (fine-tuning) op hoogwaardige datasets (DataWarrior, i-BonD) na pre-training op ChEMBL-data (ongeveer 1 miljoen moleculen, >3 miljoen unieke protonatietoestanden). Het model leert via self-supervised taken (zoals het maskeren van atomen en 3D-coördinaten) om een algemeen "begrip" van chemische eigenschappen te ontwikkelen.

4. Engineering en Snelheidsoptimalisatie
Een kritieke innovatie is AceConfgen, een propriëtaire, GPU-versnelde conformer-generator.

• Deze tool gebruikt aangepaste kernels voor kracht- en energieberekeningen (FP32 precisie) in plaats van de zwaardere FP64 die concurrenten zoals NVIDIA's nvMolKit gebruiken.
• Dit resulteert in een drastische snelheidswinst zonder in te leveren op nauwkeurigheid.

Belangrijkste Bijdragen

1. Thermodynamische Consistentie: Door het ensemble van protonatietoestanden te modelleren in plaats van individuele sites, worden thermodynamische cycli gerespecteerd.
2. State-of-the-Art Prestaties: Het opnieuw getrainde model (AcepKa) presteert beter dan bestaande industriële tools (zoals ChemAxon Marvin, Schrödinger Epik) op standaard benchmarks (SAMPL6, SAMPL7, SAMPL8).
3. Snelheid en Schaalbaarheid: De integratie van AceConfgen biedt een 40x snelheidswinst ten opzichte van nvMolKit op consument hardware (bijv. NVIDIA RTX 4090), wat grootschalige screening mogelijk maakt.
4. 3D-aware Modus: Uniek voor AcepKa is de mogelijkheid om protonatietoestanden direct toe te passen op gebonden ligandposities (bijv. uit kristalstructuren of docking), wat essentieel is voor structureel gebaseerd drug design.
5. Integratie in PlayMolecule AI: De tool is naadloos geïntegreerd in een AI-gestuurde omgeving met een LLM-agent ("co-scientist") die workflows kan orchestreren, zoals het voorbereiden van liganden voor docking of het corrigeren van protonatietoestanden in PDB-bestanden.

Resultaten

• Nauwkeurigheid: Op benchmarks zoals Novartis Acid/Base en SAMPL-datasets behaalt AcepKa de laagste RMSE-waarden (bijv. 0.65 - 0.73 voor SAMPL8), wat beter is dan de originele Uni-pKa en andere gevestigde methoden.
• Conformer Generatie: Op de Platinum 2017 benchmark (4.548 moleculen) genereerde AceConfgen 227.400 conformers in slechts 1,4 minuten op een RTX 4090, terwijl nvMolKit bijna een uur nodig had. De nauwkeurigheid (RMSD-verdeling) was vergelijkbaar of iets beter (72,6% van de conformers binnen 1,0 Å voor AceConfgen vs 70,6% voor nvMolKit).
• Fouttolerantie: AceConfgen slaagde voor alle moleculen, terwijl nvMolKit twee mislukkingen had.

Betekenis en Conclusie

AcepKa vertegenwoordigt een significante doorbraak in de computationele chemie door de kloof te overbruggen tussen de hoge nauwkeurigheid van kwantummechanische methoden en de snelheid van machine learning. Door thermodynamische principes te koppelen aan 3D-representatieleren en GPU-versnelling, biedt het een robuust en praktisch toegankelijk hulpmiddel voor de geneesmiddelenontwikkeling.

De integratie in PlayMolecule AI democratiseert de toegang tot deze geavanceerde methoden, waardoor medicinale chemici direct in hun werkstroom kunnen werken met thermodynamisch consistente protonatietoestanden, wat essentieel is voor het voorspellen van bindingsaffiniteit en het optimaliseren van leiderschapsverbindingen.