🤖 machine learning

PhAME: Phenotype-Aware Molecular Editing via Latent Diffusion

PhAME is een latente diffusieframework dat precieze, controleerbare moleculaire bewerking mogelijk maakt door kleine-molecuulstructuren te optimaliseren voor gewenste fenotypische handtekeningen, terwijl structurele nabijheid tot een zaadmolecuul wordt behouden via een nieuw compositional classifier-free guidance-schema.

Oorspronkelijke auteurs: Łukasz Janisiów, Sebastian Musiał, Bartosz Zieliński, Dawid Rymarczyk, Tomasz Danel

Gepubliceerd 2026-05-28

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Łukasz Janisiów, Sebastian Musiał, Bartosz Zieliński, Dawid Rymarczyk, Tomasz Danel

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een meesterkok bent die probeert een nieuw gerecht te creëren. Je hebt een "hit"-recept – een soep die goed smaakt, maar niet helemaal perfect is. Je wilt het aanpassen zodat het een specifieke, complexe smaakprofiel heeft (zoals "kruidig en rokerig") dat overeenkomt met de beschrijving van een beroemde criticus, maar je wilt het recept niet zozeer veranderen dat het een compleet ander gerecht wordt (zoals het veranderen van soep in een taart).

Dit is precies het probleem waar drugsresearchers voor staan. Ze hebben een "zaad"-molecuul dat een beetje werkt, en ze moeten het bewerken om de biologische effecten (de "smaak") te corrigeren zonder de chemische structuur (het "recept") te breken.

Maak kennis met PhAME (Phenotype-Aware Molecular Editing). Denk aan PhAME als een superslimme, door AI-aangedreven "receptredacteur" die je helpt een moleculair recept perfect aan te passen.

Hier is hoe het werkt, opgesplitst in eenvoudige concepten:

1. Het Probleem: De "Draadloop"

Meestal staan wetenschappers die een molecuul proberen te verbeteren met AI voor een frustrerende afweging.

Als ze de AI te hard pushen om het gewenste biologische effect (het "fenotype") te bereiken, verandert het molecuul zozeer dat het zijn oorspronkelijke structuur verliest en mogelijk niet meer werkt.
Als ze de AI vertellen de structuur exact hetzelfde te houden, verandert het molecuul niet genoeg om het gewenste biologische effect te bereiken.

Het is alsof je over een koord loopt: als je te ver naar links leunt (de structuur veranderen), val je. Als je te ver naar rechts leunt (het hetzelfde houden), kom je nooit vooruit.

2. De Oplossing: Twee Afzonderlijke Knoppen

PhAME lost dit op door de gebruiker twee onafhankelijke controleknoppen te geven in plaats van één.

Knop A (de "Smaak"-knop): Deze regelt hoe sterk de AI probeert het gewenste biologische effect te bereiken (zoals een genexpressieprofiel of celvorm).
Knop B (de "Structuur"-knop): Deze regelt hoe streng de AI het molecuul moet laten lijken op het oorspronkelijke "zaad"-molecuul.

Bij eerdere methoden waren deze twee doelen aan elkaar gekoppeld met één enkele knop. Als je deze opdraaide om de smaak te krijgen, verloor je de structuur. Met PhAME kun je Knop A opdraaien om het perfecte biologische effect te krijgen, terwijl je Knop B ingesteld houdt om de structuur veilig te houden. Je hebt volledige controle over de balans.

3. De "Geheime Saus": De Latente Ruimte

Hoe maakt PhAME de bewerkingen eigenlijk?
Stel je voor dat het molecuul geen fysiek object is, maar een punt op een gigantische, onzichtbare kaart (een "latente ruimte").

Het Zaad: Het oorspronkelijke molecuul is een stip op deze kaart.
Het Doel: Het gewenste biologische effect is een ander gebied op de kaart.
Het Proces: PhAME neemt de zaad-stip, voegt een beetje "ruis" toe (alsof je de kaart schudt), en gebruikt vervolgens zijn twee knoppen om de stip naar het doelgebied te leiden.
- Als je de "Structuur"-knop opdraait, blijft de stip dicht bij waar hij begon.
- Als je de "Smaak"-knop opdraait, beweegt de stip dichter naar het doelgebied.

Omdat het werkt op deze kaart in plaats van te proberen het molecuul vanaf nul te herbouwen, zorgt het ervoor dat het eindresultaat nog steeds een geldig, bruikbaar molecuul is.

4. Wat het Artikel Beweert Dat Het Bereikt Heeft

De auteurs hebben PhAME op drie hoofdmanieren getest, en het won in alle drie:

Eigenschappen Afstemmen: Toen er om gevraagd werd een specifieke chemische eigenschap te veranderen (zoals hoe goed het in vet oplost) terwijl het molecuul vergelijkbaar bleef met het origineel, deed PhAME het beter dan welke andere bestaande methode dan ook. Het vond de perfecte balans tussen het veranderen van de eigenschap en het behouden van de vorm.
Nieuwe Binders Vinden: Toen er om gevraagd werd moleculen te genereren die stevig vastzitten aan specifieke ziekteverwekkende eiwitten (zoals PARP1 of BRAF), vond PhAME meer "hits" (succesvolle kandidaten) dan zijn concurrenten. Het vond zelfs moleculen die beter waren dan de beste in zijn eigen trainingsbibliotheek.
De "Cellulaire Stemming" Lezen: Dit is de meest complexe test. De AI kreeg een "stemmingprofiel" van een cel (gebaseerd op hoe de cel eruitziet onder een microscoop of hoe zijn genen zich gedragen) en kreeg de opdracht een molecuul te creëren dat die specifieke stemming zou veroorzaken.
- Het Resultaat: PhAME was de enige methode die betrouwbaar moleculen kon creëren die overeenkwamen met de doel-"stemming" (Werkingsmechanisme) zonder simpelweg oude moleculen te kopiëren. Het kon zelfs een startmolecuul "bewerken" om het om te zetten in een bekend medicijn (zoals Aspirine), alleen door te kijken naar het biologische profiel van de doelcel.

Samenvatting

PhAME is een nieuw hulpmiddel dat wetenschappers in staat stelt drugsmoleculen met chirurgische precisie te bewerken. In plaats van te raden hoe ze de balans moeten vinden tussen "het effect veranderen" en "de vorm behouden", geeft het hen twee aparte controles. Dit stelt hen in staat nieuwe, effectieve drugskandidaten te creëren die chemisch geldig, nieuw en perfect afgestemd zijn op de biologische signalen die ze targeten.

Technische Samenvatting: PhAME – Fenotype-bewuste Moleculaire Bewerking via Latente Diffusie

Probleemstelling

De ontdekking van kleine-moleculaire geneesmiddelen is steeds meer afhankelijk van het optimaliseren van kandidaatmoleculen tegen hoge-dimensionale biologische signatuur (fenotypen), zoals celmorfologie (Cell Painting) en transcriptomische profielen (L1000), in plaats van enkelvoudige bindingsassays voor specifieke doelen. De dominante werkstroom omvat Hit-to-Lead (H2L) en Lead Optimization (LO), waarbij een actief "zaad"-molecuul iteratief moet worden verfijnd om de potentie te verbeteren of het werkingsmechanisme te wijzigen, terwijl de structurele nabijheid tot de oorspronkelijke hit behouden blijft.

Bestaande generatieve methoden slagen er niet in om deze specifieke werkstroom effectief aan te pakken:

Ligand-gerichte generators produceren geldige moleculen, maar missen mechanismen om te sturen naar complexe fenotypische doelen of om te verankeren aan een specifiek zaadmolecuul.
Fenotype-geconditioneerde generators (bijv. GxVAE, SmilesGEN) genereren doorgaans moleculen de novo vanuit een fenotypisch doel, waarbij de noodzaak wordt genegeerd om te starten vanuit een bekende hit.
Standaard Classifier-Free Guidance (CFG) in diffusiemodellen maakt gebruik van één enkele leidingschaal, wat een onvermijdelijke afweging oplevert tussen het matchen van het doel-fenotype en het behoud van de structurele gelijkenis van het zaadmolecuul.

Methodologie: PhAME Framework

De auteurs stellen PhAME (Phenotype-Aware Molecular Editing) voor, een latent-diffusieframework dat moleculaire optimalisatie herformuleert als een bewerkingsopdracht binnen de latente ruimte van een voorgetrainde graf-gebaseerde Variational Autoencoder (VAE).

1. Latente Ruimte en Architectuur

Basismodel: PhAME werkt op de latente ruimte van DGVAE [34], een voorgetrainde graf-gebaseerde VAE die moleculaire grafen codeert naar continue latente vectoren ( $z_0$ ) en deze decodeert naar geldige SMILES-strings. De encoder en decoder zijn bevroren; alleen het diffusiemodel wordt getraind.
Fenotype-bewuste Embedding: Om de generatie te verankeren aan een zaadmolecuul terwijl fenotypische relevantie wordt gerespecteerd, maakt PhAME gebruik van InfoAlign [24] embeddings. In tegenstelling tot ruwe chemische vingerafdrukken, aligneren InfoAlign embeddings de moleculaire structuur met celresponsprofielen (Cell Painting en L1000) via een informatiebottleneck. Deze embedding ( $z_{align}$ ) dient als een structurele anker die fenotypisch relevante gelijkenis weerspiegelt.

2. Trainingsstrategie

Dataconstructie: Trainingsparen worden samengesteld door structureel vergelijkbare moleculen te selecteren die aan weerszijden van een eigenschapstreshoud vallen (bijv. binder versus niet-binder, of hoge versus lage logP).
Doel: Het denoisingsnetwerk $\epsilon_\theta$ $ϵ_{θ}$ wordt getraind om ruis te voorspellen die is toegevoegd aan de latente representatie van een doelmolecuul ( $z_0$ $z_{0}$ ), geconditioneerd op:
1. De doel-fenotypische signatuur ( $c$ ).
2. De InfoAlign embedding van het zaadmolecuul ( $z_{align}$ ).
Verliesfunctie: Het trainingsdoel combineert de standaard diffusieverlies ( $L_{diff}$ ) met een alignatieverlies ( $L_{align}$ ) dat het gedenoiseerde voorbeeld bestraft als het te ver afwijkt van de InfoAlign embedding van het zaad, waardoor structurele coherentie wordt gewaarborgd.

3. Compositional Classifier-Free Guidance (c-CFG)

De kerninnovatie van PhAME is de vervanging van standaard CFG door een compositional guidance scheme. In plaats van één enkele leidingschaal $w$ , decomposeert PhAME het leidingsignaal in twee onafhankelijke termen met aparte schalen:
$\tilde{\epsilon}_\theta(\hat{z}_t, t, c, z_{align}) = \epsilon_\theta(\hat{z}_t, t, \emptyset, \emptyset) + w_c \Delta_c + w_a \Delta_a$
Waarbij:

$\Delta_c$ de gradiëntrichting is naar het doel-fenotype ( $c$ ).
$\Delta_a$ de gradiëntrichting is naar de zaadstructuur ( $z_{align}$ ).
$w_c$ de sterkte van fenotypematching regelt.
$w_a$ de sterkte van structurele verankering regelt.

Deze ontkoppeling stelt beoefenaars in staat om expliciet de afweging te controleren tussen het optimaliseren voor een nieuwe biologische eigenschap en het behoud van structurele gelijkenis met het zaad, waardoor de geforceerde compromissen die inherent zijn aan single-scale CFG worden verwijderd.

4. Inferentiemodi

Moleculaire Bewerking: Een zaadmolecuul wordt gecodeerd, gedeeltelijk verstoord (waarbij de exploratiestraal wordt gecontroleerd), en vervolgens gedenoist met behulp van het dual-guidance scheme om analogen te genereren.
De Novo Generatie: Het model kan bemonsteren vanuit pure ruis ( $\hat{z}_T \sim \mathcal{N}(0, I)$ ) met $w_a=0$ , functionerend als een standaard fenotype-geconditioneerde generator.

Belangrijkste Bijdragen

Latent-Diffusie Moleculaire Bewerking: Introductie van een framework dat systematische Hit-to-Lead-optimalisatie mogelijk maakt, geleid door complexe biologische signatuur binnen een graf-VAE latente ruimte.
Compositional Guidance Mechanisme: Een nieuwe generalisatie van CFG die twee onafhankelijke schalen ( $w_c$ en $w_a$ ) gebruikt om fenotypematching en zaadproximaliteit onafhankelijk te controleren, waardoor de afweging tussen deze doelen effectief wordt opgelost.
State-of-the-Art Prestaties: Demonstratie van superieure resultaten over diverse modaliteiten, waaronder optimalisatie van docking-scores, transcriptoom-geconditioneerde generatie en Cell Painting-gedreven Mode of Action (MoA) generatie, terwijl een hoge chemische validiteit en originaliteit worden behouden.

Experimentele Resultaten

De auteurs evalueerden PhAME over vier verschillende benchmarks:

1. Gecontroleerde Eigendomsbewerking (logP)

Taak: Optimaliseren van logP-waarden terwijl structurele gelijkenis met zaadmoleculen op de MOSES-benchmark wordt behouden.
Resultaat: PhAME behaalde de hoogste NTS-score (een samengestelde metriek van Originaliteit, Doelsucces en Gelijkenis), en presteerde beter dan baselines zoals Mol-CycleGAN, DiGress en PURE. Het toonde aan dat onafhankelijke afstemming van $w_c$ en $w_a$ het model in staat stelt om de specifieke sterke punten van gespecialiseerde methoden (bijv. hoog doelsucces zoals DiGress of hoge gelijkenis zoals PURE) gelijktijdig te matchen.

2. Optimalisatie van Docking-scores

Taak: Genereren van nieuwe hoge-affiniteitsbinders voor vijf proteïnedoelen (PARP1, FA7, 5HT1B, BRAF, JAK2) met behulp van een drie-fasen curriculum learning-aanpak op ZINC250k.
Resultaat: PhAME vestigde nieuwe state-of-the-art resultaten, met de beste docking-scores op alle vijf doelen en de hoogste ratio van nieuwe hits op vier van de vijf doelen. Opmerkelijk is dat de top 5% van de gegenereerde moleculen van PhAME krachtiger was dan de top 5% van de volledige ZINC250k-trainingsset.

3. Transcriptoom-geleide Generatie

Taak: Genereren van moleculen geconditioneerd op genexpressieprofielen (L1000) voor specifieke doelen (bijv. AKT1, HDAC1).
Resultaat: PhAME presteerde beter dan gen-geconditioneerde baselines (TRIOMPHE, GxVAE, SmilesGEN) op het gebied van geneesmiddelachtigheid (QED) en synthetische toegankelijkheid (SA). Cruciaal is dat het verbindingen genereerde met aanzienlijk hogere structurele gelijkenis met bekende binders (tot +90% verbetering voor HDAC1) in vergelijking met baselines, wat een effectief herstel van bekende farmacoforen aantoont met uitsluitend expressiedata.

4. Cel-Fenotype-geleide Generatie (MoA)

Taak: Genereren van de novo moleculen geconditioneerd op Cell Painting-morfologiecentroïden die overeenkomen met specifieke Modes of Action (MoA).
Resultaat: PhAME presteerde aanzienlijk beter dan baselines (DGVAE, CPMolGAN, GFlowNet) op Top-1 Cluster Accuracy en MoA Retrieval Rate over meerdere representatieruimten (ECFP, CLOOME, InfoAlign). Het was de enige methode die consistent boven de kans-baseline uitkwam over alle ruimten, wat wijst op een echte leerproces van structuur-activiteitsrelaties in plaats van overfitting op een specifieke embedding.

Betekenis en Claims

Het artikel stelt dat PhAME een kritieke bottleneck in de moderne geneesmiddelenontdekking aanpakt: het onvermogen van huidige generatieve modellen om gelijktijdig een bekende hit te bewerken en deze te sturen naar complexe, systeemniveau biologische signalen. Door optimalisatie te herformuleren als bewerking in de latente ruimte en compositional guidance in te voeren, biedt PhAME een controleerbaar mechanisme om de tegenstrijdige doelen van structurele conservatie en fenotypische optimalisatie in evenwicht te brengen.

De auteurs stellen dat dit framework een efficiënter Hit-to-Lead-proces mogelijk maakt, waardoor onderzoekers de chemische ruimte rond bekende actieve verbindingen kunnen verkennen terwijl ze specifieke biologische uitkomsten targeten (bijv. gen-knockdowns of morfologische veranderingen), zonder afhankelijk te zijn van enkelvoudige bindingsassays. De resultaten suggereren dat PhAME bekende therapeutica kan herstellen uit zaadmoleculen met uitsluitend fenotypische geleiding, wat de potentie voor drug repurposing en lead-optimalisatie benadrukt.