On the rise of AI technologies in virtual screening

Dit artikel toont aan dat het AI-model Boltz-2, getest op een uitdagende dataset van tien ultra-grote virtuele screeningslijsten, de beste prestaties levert bij het voorspellen van eiwit-ligand-interacties en binding, met een succesratio die twee keer zo hoog is als die van andere herscoresstrategieën.

De kern

De AI-Revolutie in de Drugontwikkeling: Een Simpel Verhaal over Boltz-2

Stel je voor dat je een gigantische bibliotheek hebt met miljarden boeken (chemische stoffen), en je bent op zoek naar één specifiek boek dat een ziekte kan genezen. In het verleden hadden we twee manieren om dit boek te vinden:

1. De oude methode (Docking): Je neemt een snelle, ruwe schatting. Het is alsof je door de bibliotheek loopt en alleen kijkt naar de kaft van het boek. Soms vind je het juiste boek, maar vaak pak je een boek dat erop lijkt, maar niet de juiste inhoud heeft. Het is snel, maar niet heel nauwkeurig.
2. De dure methode (Fysica-simulaties): Je neemt elk boek uit de stapel en leest het woord voor woord, analyseert de inkt en de papierkwaliteit. Dit is extreem nauwkeurig, maar het duurt eeuwen. Je kunt nooit de hele bibliotheek zo doorzoeken.

De Nieuwe Speler: Boltz-2
De auteurs van dit artikel hebben een nieuwe, slimme AI-tool getest genaamd Boltz-2. Dit is als een super-intelligente bibliothecaris die niet alleen naar de kaft kijkt, maar ook de inhoud van het boek "voelt" en begrijpt, maar dan in een flits.

Wat hebben ze gedaan?
Ze hebben deze AI getest op een zeer moeilijke proef: een lijst met duizenden "kandidaten" die al eerder door de oude methode waren geselecteerd. Het probleem? Deze lijst zat vol met "nep-kandidaten" die er heel erg op leken, maar niet werkten. Het was als een zoektocht waar je nauwelijks een verschil kon zien tussen een echte diamant en een glazen steen.

De Resultaten: De AI wint overtuigend
Het nieuws is geweldig voor de wetenschap:

• Boltz-2 was de beste: Het kon de echte geneesmiddelen (de diamanten) veel beter onderscheiden van de nep-varianten dan welke andere methode dan ook.
• Twee keer zo goed: De succeskans van Boltz-2 was meer dan twee keer zo hoog als de beste oude methode.
• Snelheid: Het duurde ongeveer 100 seconden per stof om een nauwkeurige voorspelling te doen. Dat klinkt lang, maar voor een computer is dat razendsnel. Met een normale computerkaart (zoals een gaming-kaart) kon ze in één dag duizenden stoffen checken.

De "Maatwerk" aanpak
De onderzoekers waren sceptisch. Ze dachten: "Misschien werkt het alleen omdat de AI de antwoorden al kent?" Dus hebben ze gekeken of het model de juiste 3D-vorm van het molecuul kon voorspellen.

• Verrassing: Soms zag de AI de vorm niet perfect (het boek zag er een beetje scheef uit), maar het wist toch of het een goed medicijn was of niet.
• Conclusie: De AI is zo slim dat ze de "chemische sfeer" voelt, zelfs als de exacte vorm niet 100% klopt. Het is alsof je een persoon herkent aan hun stem, zelfs als je ze niet kunt zien.

Wat betekent dit voor de toekomst?
Boltz-2 is niet snel genoeg om alle miljarden stoffen in één keer te checken (dat is nog te veel werk). Maar het is perfect voor de tussenstap:

1. Je gebruikt de snelle, oude methode om van 1 miljard stoffen 10.000 te halen.
2. Dan laat je Boltz-2 die 10.000 stoffen opnieuw bekijken.
3. Het filtert er de beste 100 uit.
4. Die 100 kun je dan heel duur en langzaam testen in het lab.

Samenvattend
Dit artikel laat zien dat AI (zoals Boltz-2) de drugontwikkeling verandert. Het is als het hebben van een magische bril die je helpt de echte diamanten te vinden in een hoop gruis, veel sneller en nauwkeuriger dan ooit tevoren. Het is nog niet perfect voor elk probleem, maar het opent de deur naar een toekomst waar we medicijnen veel efficiënter kunnen vinden.

Technische samenvatting

Titel: De opkomst van AI-technologieën in virtuele screening: Evaluatie van Boltz-2

Auteurs: Marco Cecchini en Hryhory Sinenka
Affiliaties: Institut de Chimie de Strasbourg (Frankrijk) en Rhizome Research Inc. (VS).

---

1. Het Probleem

Virtuele screening (VS) is een hoeksteen van de moderne geneesmiddelenontwikkeling, maar traditionele methoden zoals moleculaire docking, farmacofore-modellering en ligand-gebaseerde zoekopdrachten hebben beperkingen. Ze worstelen vaak met receptorflexibiliteit, oplosbareffecten en entropische bijdragen, wat leidt tot onnauwkeurige voorspellingen van bindingsaffiniteit.

Rigoureuze fysisch gebaseerde methoden (zoals alchemische vrije-energiesimulaties, ABFE/RBFE) zijn nauwkeuriger, maar te rekenintensief voor grootschalige screening. Recentelijk zijn er "niet-rigoureuze" herscores-methoden ontwikkeld die binnen ca. 15 minuten een voorspelling doen, maar op een zeer uitdagende dataset (ULVSH) bleek geen enkele van deze methoden betrouwbare onderscheid te kunnen maken tussen echte binders en inactieve verbindingen. De ULVSH-dataset bestaat uit ultra-grote hit-lijsten van farmacologisch relevante doelen (voornamelijk transmembrane eiwitten) met hoge hit-rates, wat het onderscheid tussen actieve en inactieve stoffen extreem moeilijk maakt.

2. Methodologie

De auteurs hebben de prestaties van Boltz-2, een AI-fundamenteel model voor co-folding en affiniteitsvoorspelling, getest op de ULVSH-dataset.

• Dataset: 943 virtuele hits (427 echte positives, 516 false positives) afkomstig uit tien screening-campagnes tegen zeven GPCRs, één kinase, één membraanreceptor en één transporter.
• Input: 2D-structuren van liganden (SMILES) en eiwitsequenties (FASTA). De auteurs ontwikkelden een geautomatiseerde procedure om invoerbestanden voor te bereiden.
• Hardware: Berekeningen uitgevoerd op een enkele GPU van de nieuwste generatie (RTX 4500 Ada).
• Vergelijking: De prestaties van Boltz-2 werden vergeleken met acht populaire herscores-strategieën, waaronder:
  • Empirische herscores (HYDE, Δvina, Gnina).
  • Machine learning.
  • Single-point energieberekeningen (GFN-FF, PM6).
  • End-point vrije-energiesimulaties (MMPBSA, MMGBSA).
  • Traditionele docking.
• Validatie: De classificatieprestaties werden gemeten aan de hand van de ROC-AUC (Receiver Operating Characteristic - Area Under the Curve). Een succesvolle classificatie werd gedefinieerd als een ROC-AUC > 0,7.
• Robuustheidstests: Er werden diverse experimenten uitgevoerd om de beperkingen te onderzoeken, waaronder het variëren van inferentieparameters (stapgrootte, sample-aantallen), het gebruik van experimentele templates, en het testen op verschillende GPU's.
• Toepassingsscenario: Een tweede reeks experimenten testte Boltz-2 op een meer realistische drug-discovery-setting met hit-lijsten van de LSD-database (20-468 miljoen verbindingen), waarbij de top-1000 docking-hits werden herscores.

3. Belangrijkste Bijdragen

• Eerste uitgebreide evaluatie van Boltz-2 op ULVSH: Het artikel presenteert een rigoureuze benchmark van een AI-co-folding model op een dataset die specifiek is ontworpen om traditionele methoden te laten falen.
• Prestatieoverleg: Het toont aan dat Boltz-2 aanzienlijk beter presteert dan bestaande niet-rigoureuze herscores-methoden.
• Analyse van faalgevallen: De auteurs onderzoeken diepgaand waarom Boltz-2 faalde bij twee specifieke doelen (CNR1 en MTR1A) en concluderen dat de standaardparameters al optimaal zijn.
• Brug tussen schalen: Het artikel positioneert Boltz-2 als een effectieve schakel tussen ultra-grote library screening en lead-optimatie, waar het de gaten opvult die door docking en ABFE niet kunnen worden gedicht.

4. Resultaten

• Classificatieprestaties (ROC-AUC):

  • Boltz-2 behaalde een gemiddelde ROC-AUC van 0,70 over de hele dataset.
  • Dit is significant hoger dan alle andere geteste methoden (de beste concurrenten hadden een gemiddelde van ~0,66).
  • Succesratio: Boltz-2 slaagde in 7 van de 10 doelen (ROC-AUC > 0,7), terwijl de beste andere methode slechts in 3 van de 10 doelen slaagde. Dit betekent dat Boltz-2 meer dan twee keer zo succesvol is als de beste concurrent.
  • Uitzonderingen: Boltz-2 faalde bij CNR1 (ROC-AUC 0,40) en MTR1A (ROC-AUC 0,45). Zelfs na het testen van verschillende parameters en templates kon de prestatie voor deze doelen niet significant worden verbeterd.
  • Structuur vs. Affiniteit: Er was geen correlatie gevonden tussen de nauwkeurigheid van de voorspelde 3D-structuur (RMSD) en de classificatieprestatie. Liganden konden verkeerd gedocked zijn (>2 Å RMSD) maar toch correct worden geclassificeerd als binders.

• Enrichment (Verrijking) in Drug Discovery Setting:

  • Bij het herscores van de top-1000 docking-hits uit de LSD-database (met een lage prevalentie van echte binders, ~1%), leverde Boltz-2 een 4- tot 5-voudige verrijking op ten opzichte van docking alleen.
  • Dit effect was consistent in de top-100, top-300 en top-500 van de lijst.

• Rekenkracht en Doorvoer:

  • Doorvoer: Ca. 1.000 liganden per dag op één GPU.
  • Schaalbaarheid: Met 20 GPUs kunnen ongeveer 100.000 verbindingen in 5 dagen worden herscores.
  • Beperking: De snelheid is 3 tot 4 orde van grootte trager dan state-of-the-art docking (bijv. Uni-Dock of KarmaDock), waardoor Boltz-2 niet geschikt is voor het screenen van ultra-grote bibliotheken (>10^9 verbindingen) in één keer.

5. Betekenis en Conclusie

Het artikel markeert een paradigma-verschuiving in virtuele screening. Hoewel Boltz-2 niet snel genoeg is om de initiële screening van miljarden verbindingen te vervangen, biedt het een nauwkeurige en robuuste herscores-strategie voor de top-fragmenten van docking-lijsten.

• Paradigma-shift: AI-modellen zoals Boltz-2 kunnen de kloof overbruggen tussen grootschalige screening en lead-optimatie. Ze bieden een manier om de top-1% van een docking-lijst (ca. 10^3 verbindingen) nauwkeurig te rangschikken met een snelheid die haalbaar is voor een middelgroot cluster.
• Toekomstperspectief: De auteurs suggereren dat de beste workflow zou zijn: docking voor ultra-grote libraries -> Boltz-2 voor nauwkeurige herscores van de top-hits -> ABFE (Absolute Binding Free Energy) voor de allerbeste kandidaten.
• Kritische kanttekening: Hoewel de resultaten veelbelovend zijn, wijzen recente studies (zoals Bret et al., Shen et al.) op beperkingen, zoals het gebrek aan correlatie tussen pose-nauwkeurigheid en affiniteitsvoorspelling en mogelijke bias ten opzichte van het trainingsset. De domein-geldigheid van deze methoden vereist verdere prospectieve studies.

Samenvattend toont dit werk aan dat AI-gedreven co-folding modellen, ondanks hun rekenkosten, een krachtig nieuw instrument zijn om de efficiëntie van de vroege fase van geneesmiddelenontwikkeling te verhogen door de selectie van echte binders te verbeteren.