🤖 machine learning

ProHiFlo: Hierarchical Flow Matching with Functional Guidance for De Novo Protein Generation

ProHiFlo is een hiërarchisch flow matching-framework dat grof-naar-fijn generatie, functionele sturing via vooraf getrainde voorspellers en een adaptieve SE(3)-equivariante architectuur combineert om de staat van de kunst te bereiken in de novo eiwitontwerp met hogere efficiëntie en succespercentages dan bestaande methoden zoals RFDiffusion.

Oorspronkelijke auteurs: Chuanzhen Wang, Meade Cleti, Pete Jano

Gepubliceerd 2026-06-11

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Chuanzhen Wang, Meade Cleti, Pete Jano

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 architect bent die probeert een volledig nieuw, functioneel gebouw vanaf nul te ontwerpen. In de wereld van de biologie zijn deze "gebouwen" eiwitten, en zij zijn de minuscule machines die het leven draaiende houden. Lange tijd waren computers goed in het voorspellen hoe een gebouw eruit ziet als je de blauwdruk kent, maar het ontwerpen van een nieuw gebouw dat ook echt werkt, was ongelooflijk moeilijk.

Maak kennis met ProHiFlo, een nieuw computerprogramma dat fungeert als een superintelligente, twee-staps architect voor eiwitten. Zo werkt het, eenvoudig uitgelegd:

Het probleem met oude methoden

Eerdere computerprogramma's probeerden deze eiwitgebouwen op één van de twee manieren te ontwerpen, die beide gebreken vertoonden:

De "Alles-tegelijk"-aanpak: Ze probeerden elk atoom (elke baksteen en elke spijker) tegelijkertijd te bepalen. Dit is alsof je een gedetailleerde blauwdruk van een wolkenkrabber probeert te tekenen terwijl je tegelijkertijd moet beslissen waar elke schroef precies moet komen. Het is ongelooflijk traag en kostbaar qua rekenkracht.
De "Rigide" aanpak: Ze konden alleen de basisvorm (het skelet) ontwerpen, maar konden het ontwerp niet gemakkelijk aanpassen om een specifieke taak uit te voeren (zoals het vangen van een virus of het afbreken van een gifstof) zonder het hele trainingsproces opnieuw te starten.

De ProHiFlo-oplossing: Een constructieplan in twee fasen

ProHiFlo verandert de regels door de taak op te splitsen in twee duidelijke fasen, zoals een bouwploeg die eerst het stalen frame opricht en daarna de muren en details invult.

Fase 1: Het Skelet (Grof-naar-Fijn)

In plaats van zich direct zorgen te maken over elk klein atoom, bouwt ProHiFlo eerst de ruggengraat. Denk hierbij aan het oprichten van de stalen balken en de algemene vorm van het gebouw.

Waarom dit slim is: Het is veel sneller om de algemene vorm van een gebouw te bepalen dan om elke baksteen te plaatsen. Zodra het "skelet" stevig staat, gaat de computer naar de volgende stap.
Het resultaat: Dit bespaart een enorme hoeveelheid tijd. De paper beweert dat ProHiFlo 4 keer sneller is dan andere topmethoden omdat het geen energie verspilt aan het berekenen van minuscule details voordat het grote plaatje staat.

Fase 2: De Details (All-Atom Verfijning)

Zodra het skelet is gebouwd, vult ProHiFlo de rest in. Het voegt alle specifieke atomen toe (de bakstenen, ramen en bedrading) om aan te sluiten bij het skelet dat het zojuist heeft gecreëerd.

De magie: Omdat het skelet al aanwezig is, hoeft de computer alleen maar te focussen op het lokaal in elkaar passen van de stukken, in plaats van de hele structuur vanaf nul te moeten raden.

Het "Stuurwiel": Functionele Sturing

Dit is misschien wel het coolste deel. Normaal gesproken, als je wilt dat een gebouw een specifieke functie heeft (zoals een zonnig dak of een specifiek type lift), moet je de architect een nieuwe vaardigheid vanaf de basis aanleren.

ProHi Flo heeft een "Stuurwiel" dat geen hertraining vereist.

Hoe het werkt: Stel je voor dat je een GPS (een vooraf getrainde voorspeller) hebt die weet hoe een "goed" eiwit eruitziet voor een specifieke taak. Terwijl ProHiFlo het eiwit tekent, controleert het de GPS. Als het ontwerp afwijkt van het doel, geeft de GPS een zachte duw (een wiskundige "gradiënt") om het ontwerp weer op koers te sturen.
Het voordeel: Je kunt ProHiFlo vragen om een eiwit te ontwerpen dat stabiel is, aan een specifiek virus plakt, of gemakkelijk oplost in water, en het zal het ontwerp naar die doelen sturen zonder dat het op nieuwe gegevens getraind hoeft te worden. Het is alsof je een GPS hebt die voor elke bestemming die je typt, direct werkt.

De "Adaptieve Hersenen"

ProHiFlo gebruikt ook een speciaal type neuraal netwerk dat fungeert als een adaptieve bouwploeg.

Als een deel van het eiwit eenvoudig is (zoals een rechte gang), besteedt de computer er minder tijd aan.
Als een deel complex is (zoals een wenteltrap of een lastige hoek), besteedt de computer automatisch meer tijd en rekenkracht aan dat specifieke gebied.
Dit zorgt ervoor dat de computer geen energie verspilt aan gemakkelijke onderdelen en de moeilijke onderdelen niet te snel afraffelt.

Wat hebben ze bereikt?

De paper testte ProHiFlo op drie hoofduitdagingen:

Het maken van willekeurige eiwitten: Het creëerde hoogwaardige, stabiele eiwitstructuren sneller dan wie dan ook.
Scaffolding (Bouwen rond een kern): Ze vroegen ProHiFlo om een eiwit te bouwen rond een specifiek "motief" (een klein, functioneel stukje van een eiwit, zoals het actieve deel van een enzym). ProHiFlo slaagde 58,9% van de tijd, waarmee het de vorige beste methode (RFDiffusion) versloeg, die slechts in 41,2% van de gevallen slaagde.
Functioneel Ontwerp: Wanneer ze het "stuurwiel" gebruikten om te optimaliseren voor stabiliteit of binding, waren de resulterende eiwitten aanzienlijk beter in die taken dan de ongestuurde ontwerpen.

De keerzijde (Beperkingen)

De auteurs zijn eerlijk over een aantal zaken:

Incidentele foutjes: Soms komen het "skelet" en de "details" niet perfect overeen (ongeveer 3% van de tijd). Ze lossen dit op met een snelle "polijststap", zoals een laatste inspectie.
Betrouwbaarheid van de GPS: Het "stuurwiel" is slechts zo goed als de GPS die het gebruikt. Als de GPS slecht is in het voorspellen van een bepaald type eiwit (zoals die verborgen in celmembranen), werkt de sturing mogelijk minder goed.
Computer versus Realiteit: Al deze resultaten zijn computersimulaties. Hoewel de computer zegt dat de eiwitten "ontwerpbaar" zijn, zijn ze nog niet fysiek gebouwd en getest in een laboratorium (hoewel de auteurs verwachten dat ongeveer 40-60% in het echte leven zal werken op basis van eerdere data).

Samenvatting

ProHiFlo is een nieuwe, snellere en slimmere manier om eiwitten te ontwerpen. Het bouwt eerst de grote vorm, vult daarna de details in, en gebruikt een "stuurwiel" om het ontwerp naar specifieke doelen te leiden zonder dat het opnieuw getraind hoeft te worden. Het is als een upgrade van een trage, handmatige tekentafel naar een slim, adaptief CAD-systeem dat precies weet hoe je stap voor stap een functionele machine bouwt.

Technische Samenvatting: ProHiFlo

Probleemstelling

De novo eiwitgeneratie heeft een transformerend potentieel voor therapeutisch ontwerp, enzymengineering en synthetische biologie. Hoewel recente vooruitgang in diffusiemodellen (bijv. RFDiffusion) en flow matching de creatie van nieuwe eiwitstructuren mogelijk heeft gemaakt, kampen huidige methoden met drie primaire beperkingen:

Resolutie-afwegingen: De meeste benaderingen opereren op een enkele structurele resolutie, of genereren nu alleen ruggengraatatomen (backbone) of modelleren ze gezamenlijk alle atomen, wat leidt tot suboptimale balansen tussen computationele efficiëntie en structurele getrouwheid.
Functionele Beperkingen: Het integreren van specifieke functionele beperkingen vereist doorgaans kostbare hertraining of fijnafstemming (fine-tuning) op taakspecifieke datasets, wat de flexibiliteit beperkt.
Sampling Efficiëntie: Het samplingproces blijft computationeel intensief, wat praktische toepassing in high-throughput design-scenario's belemmert.

Methodologie

ProHiFlo (Protein Hierarchical Flow) pakt deze uitdagingen aan via een hiërarchisch flow matching-framework bestaande uit drie kerninnovaties:

1. Hiërarchische Flow Matching

Het framework ontbindt eiwitgeneratie in twee opeenvolgende fasen om zowel de globale topologie als de lokale geometrische details efficiënt te vangen:

Fase 1 (Backbone Generatie): Genereert grove ruggengraatstructuren gerepresenteerd als residu-frames $\{T_i\}_{i=1}^N$ (waarbij elk frame $T_i \in SE(3)$ bestaat uit een rotatie en translatie). Deze fase modelleert de globale topologie met behulp van een prior-distributie op $SE(3)$ en leert een vectorveld om te interpoleren tussen een Gaussische prior en de datadistributie.
Fase 2 (All-Atom Verfijning): Verfijnt de gegenereerde backbone-frames naar volledige all-atom coördinaten $\{x_j\}_{j=1}^M$ . Deze fase is geconditioneerd op de backbone-frames en parametriseert de atomaire posities relatief aan hun lokale residu-frames.
Training: Beide fasen worden onafhankelijk getraind met conditional flow matching-doelstellingen, wat de effectieve dimensionaliteit bij elke stap vermindert en snellere convergentie mogelijk maakt.

2. Training-vrije Functionele Begeleiding (Guidance)

ProHiFlo introduceert een mechanisme om generatie te sturen naar gewenste eigenschappen zonder het generatieve model te hoeven hertrainen.

Mechanisme: Tijdens het samplingproces worden gradiënten van vooraf getrainde, differentiabele eigenschappervoorspellers (bijv. stabiliteit, bindingsaffiniteit, oplosbaarheid) berekend met betrekking tot de huidige structuur.
Integratie: Deze gradiënten worden geprojecteerd op de raakruimte (tangent space) van de $SE(3)$-manifold en toegevoegd aan het flow-snelheidsvectorveld: $\tilde{v}_t(x) = v_\theta(x, t) + \lambda \cdot \nabla_x f_\phi(x)$ .
Adaptatie: De begeleidingssterkte $\lambda$ wordt geannileerd over het samplingtraject ( $\lambda(t) = \lambda_0 \cdot (1-t)^\gamma$ ) om sterkere begeleiding toe te passen wanneer de structuur nog meer vormbaar is, wat de stabiliteit waarborgt.

3. Adaptieve SE(3)-Equivariante Architectuur

Om multi-schaal structurele representaties efficiënt te verwerken, stellen de auteurs een dynamische neurale netwerkarchitectuur voor:

Multi-schaal Graafconstructie: Een hiërarchische graaf verbindt knopen (atomen) op basis van ruimtelijke nabijheid met resolutie-afhankelijke cutoffs (10Å voor de backbone, 6Å voor residu-contacten, 4Å voor atomaire interacties).
Adaptieve Message Passing: Het aantal message passing-iteraties voor elke knoop wordt dynamisch toegewezen op basis van een lokale complexiteitsscore (afgeleid van het aantal buren, dichtheid en kromming). Knopen met een hogere complexiteit ondergaan meer iteraties, terwijl eenvoudigere knopen er minder ondergaan, wat de computationele middelen optimaliseert.
Equivariantie: De architectuur maakt gebruik van scalaire en vectoriële featurekanalen (volgens GVP) om $SE(3)$-equivariantie te garanderen, waardoor het netwerk in staat is om over directionele informatie zoals bindingsoriëntaties te redeneren.

Belangrijkste Resultaten

Experimenten werden uitgevoerd op benchmarks voor onconditionele generatie, motif scaffolding en functioneel design, waarbij ProHiFlo werd vergeleken met state-of-the-art methoden (RFDiffusion, Chroma, FoldFlow-2, Genie 2).

Onconditionele Generatie: ProHiFlo behaalde een designability-score van 92,4% (vs. 85,1% voor FoldFlow-2 en 82,3% voor RFDiffusion) terwijl het slechts 50 samplingstappen vereiste (vs. 100–500 voor anderen), wat een significante versnelling betekent.
Motif Scaffolding: Bij het scaffolden van enzymatische actieve sites bereikte ProHiFlo een succespercentage van 58,9%, waarmee het RFDiffusion (41,2%) en andere baselines overtrof. Dit demonstreert de effectiviteit van functionele begeleiding bij het behouden van de katalytische geometrie.
Functioneel Design: Wanneer gestuurd op stabiliteit, bindingsaffiniteit en oplosbaarheid, verbeterde ProHiFlo de eigenschapsscores met 24,2% (stabiliteit) en 28,1% (binding) vergeleken met ongeleide generatie, terwijl een hoge designability behouden bleef.
Computationele Efficiëntie: De inferentietijd schaalt bijna lineair met de eiwitlengte. Voor een eiwit van 300 residuen vereiste ProHiFlo 3,3 seconden, een 6,8× versnelling ten opzichte van RFDiffusion (22,4 seconden).

Betekenis en Claims

Het artikel claimt dat ProHiFlo een significante vooruitgang vormt in computationeel eiwitontwerp door:

Resolutie te Ontkoppelen: Het succesvol scheiden van de generatie van de globale topologie van de lokale atomaire verfijning, wat de computationele kosten verlaagt terwijl de structurele nauwkeurigheid hoog blijft.
Flexibele Conditionering Mogelijk te Maken: Het bieden van een training-vrije methode om willekeurige functionele beperkingen te integreren via gradiënt-gebaseerde sturing, waardoor de noodzaak voor taakspecifieke hertraining wordt geëlimineerd.
Efficiëntie te Verbeteren: Het behalen van state-of-the-art prestaties met aanzienlijk minder samplingstappen en snellere inferentietijden vergeleken met bestaande diffusie- en flow matching-modellen.

De auteurs merken op dat hoewel de methode robuust presteert over verschillende benchmarks, er beperkingen blijven, waaronder incidentele inconsistenties tussen de backbone- en all-atom representaties (ongeveer 3,2% van de gevallen) en de afhankelijkheid van de kwaliteit van de vooraf getrainde voorspellers voor de begeleiding. Het werk positioneert zichzelf als een stap naar efficiëntere en flexibelere de novo eiwitontwerp, waarbij toekomstig werk gepland is voor experimentele validatie en uitbreiding naar multi-chain complexen.