Drug-Target Interaction Prediction with PIGLET

Dit paper introduceert PIGLET, een nieuwe grafische transformer-methode voor het voorspellen van geneesmiddel-doelwijn-interacties die, in tegenstelling tot bestaande modellen, superieure prestaties behaalt op een strengere, op geneesmiddelen gebaseerde validatie en succesvol wordt toegepast in een reële casestudy voor geneesmiddelenontwikkeling.

De kern

Stel je voor dat het vinden van een nieuw medicijn een gigantisch raadsel is. Je hebt een sleutel (een medicijn) en je moet de juiste sloten (eiwitten in het lichaam) vinden waar die sleutel in past. Als de sleutel in het slot past, kan hij een ziekte genezen. Maar soms past de sleutel ook in sloten waar hij niet hoort, wat bijwerkingen kan veroorzaken.

Deze paper introduceert een nieuwe, slimme computerprogramma genaamd PIGLET dat helpt bij het voorspellen welke sleutels in welke sloten passen. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: De "Gok" van de Oude Methode

Vroeger (en bij veel huidige programma's) keken wetenschappers alleen naar de vorm van de sleutel en het slot zelf. Ze probeerden te raden of ze bij elkaar pasten.

• Het probleem: Als je een nieuwe, nog nooit geziene sleutel krijgt, weten deze oude programma's vaak niets meer. Ze zijn als een student die alleen de antwoorden van een oude tentamen heeft geleerd. Als je ze een nieuwe vraag stelt die net iets anders is, zakken ze.
• De "valstrik": Veel oude programma's lieten zich belachelijk goed scoren op tests, maar dat kwam omdat ze "kieskeurig" waren. Ze keken naar medicijnen die al in de test zaten, in plaats van echt te leren hoe ze nieuwe medicijnen moesten herkennen.

2. De Oplossing: PIGLET als een Super-Netwerk

PIGLET doet het anders. In plaats van alleen naar de sleutel en het slot te kijken, kijkt het naar een gigantisch sociaal netwerk van alles wat er in de biologie bekend is.

Stel je voor dat PIGLET een enorme kaart heeft met:

• De medicijnen (de sleutels).
• De eiwitten (de sloten).
• De relaties: Welke medicijnen lijken op elkaar? Welke eiwitten werken samen? En heel belangrijk: Welke sloten zien er qua binnenkant heel erg op elkaar?

PIGLET gebruikt een slimme techniek (een "Grafische Transformatie") om door dit netwerk te reizen. Het denkt: "Hé, dit medicijn lijkt erg op medicijn X. Medicijn X past in slot Y. En slot Y lijkt qua binnenkant op slot Z. Dus, dit nieuwe medicijn past waarschijnlijk ook in slot Z!"

Het is alsof je een detective bent die niet alleen naar de verdachte kijkt, maar ook naar zijn vrienden, zijn buren en zijn favoriete koffiebar om te voorspellen waar hij naartoe gaat.

3. De Grote Test: De "Nieuwe Medicijn" Uitdaging

De auteurs van de paper wilden weten of PIGLET echt slim is of dat het alleen maar antwoorden uit het hoofd heeft geleerd. Ze deden twee tests:

• Test A (De gemakkelijke test): Ze verdeelden de data willekeurig. Hier scoorden bijna alle programma's goed (ongeveer 98%). Dit is als een examen waarbij je de antwoorden van de vorige klas hebt gekregen.
• Test B (De echte test): Ze hielden een hele groep nieuwe medicijnen achter. Ze gaven het programma alleen medicijnen die erop leken, maar niet dezelfde waren.
  • Het resultaat: De oude programma's zakte dramatisch (soms tot 50%, wat net zo goed is als raden).
  • PIGLET: PIGLET bleef uitstekend presteren (ongeveer 87%). Het kon echt leren en toepassen op nieuwe situaties, omdat het gebruikmaakte van het grote netwerk van gelijkenissen.

4. Waarom is dit belangrijk? (Het "Mu-Opioid" Voorbeeld)

Om te laten zien dat dit niet alleen maar theorie is, gebruikten ze PIGLET om te kijken naar medicijnen die pas in 2025 door de FDA (de Amerikaanse gezondheidsautoriteit) zijn goedgekeurd.
Ze vroegen PIGLET: "Welke eiwitten in het lichaam raken deze nieuwe medicijnen?"
PIGLET kon de bekende doelen van deze medicijnen terugvinden, zelfs al had het deze medicijnen nooit eerder "gezien" in zijn training. Dit betekent dat het een krachtig hulpmiddel kan zijn om te ontdekken:

1. Nieuwe toepassingen: Een medicijn voor ziekte A werkt misschien ook tegen ziekte B.
2. Veiligheid: Voorkomen dat een medicijn per ongeluk in het verkeerde slot past (bijwerkingen).

Samenvatting in één zin

PIGLET is als een slimme detective die niet alleen naar de sleutel en het slot kijkt, maar het hele sociale netwerk van de biologie raadpleegt om te voorspellen waar nieuwe medicijnen zullen werken, zelfs als ze nog nooit eerder zijn getest.

De boodschap: Oude methoden zijn als een vogel die alleen naar de horizon kijkt; PIGLET kijkt naar de hele kaart en weet daardoor veel beter waar de wind vandaan komt.

Technische samenvatting

Probleemstelling

Het voorspellen van interacties tussen geneesmiddelen en doelen (Drug-Target Interaction of DTI) is een fundamentele taak in de computergestunde geneesmiddelenontwikkeling. Hoewel diepe leermodellen (deep learning) vaak extreem hoge prestaties rapporteren, hebben ze nog geen wijdverbreid succes geboekt in het versnellen van de reële geneesmiddelenontdekking.

Een groot probleem is dat veel bestaande modellen worden geëvalueerd met willekeurige splitsen (random splits) van datasets. Dit leidt vaak tot data-lekkage, waarbij het model tijdens het testen geneesmiddelen of doelen ziet die sterk lijken op die in de trainingsset, waardoor de prestaties kunstmatig hoog lijken. Er is behoefte aan een robuustere evaluatiestrategie die beter de realiteit simuleert: het voorspellen van interacties voor nieuwe, onbekende geneesmiddelen.

Methodologie: PIGLET

De auteurs introduceren PIGLET (Proteome-wide Interaction Graph Link prediction by Embedding with Transformers), een nieuw model dat afwijkt van de traditionele aanpak van het maken van embeddings op basis van 1D-sequenties of 3D-structuren.

1. De Proteoom-brede Interactiegrafiek (Knowledge Graph)
PIGLET opereert op een heterogene kennisgrafiek die het hele menselijke proteoom omvat. Deze grafiek ($G$) bevat:

• Knooppunten: Menselijke eiwitten (doelen) en geneesmiddelen.
• Randen (Relaties):
  • Proteïne-Proteïne Interacties (PPI): Afkomstig van de STRING-database.
  • Doel-Doel Similariteit: Gebaseerd op gelijkenis van bindingszakken (binding pockets) in plaats van alleen sequentie. De auteurs gebruiken HOTPocket en ESM2-embeddings om structurele gelijkenis van bindingszakken te berekenen.
  • Geneesmiddel-Geneesmiddel Similariteit: Gebaseerd op Cosine-similariteit van ChemBERTa-embeddings van geneesmiddelen.
  • Interacties: Bekende bindingen uit de "Human dataset" (voor training) en DrugBank (alleen voor message passing, niet voor verliesberekening).

2. Architectuur
Het model bestaat uit twee hoofdcomponenten:

• Embedding Trunk: Een Graph Neural Network (GNN) met drie lagen van Heterogene Graph Convolutie. Het gebruikt TransformerConv-lagen om berichten (message passing) te verspreiden over de verschillende typen randen in de grafiek. Een virtueel knooppunt verbindt alle geneesmiddelenknooppunten om informatieverspreiding te faciliteren.
• Link Prediction Head: Een feedforward-neuraal netwerk dat de geëmbedeerde vector van een geneesmiddel en die van een doel combineert (concatenatie) om de waarschijnlijkheid van een interactie te voorspellen.

3. Evaluatiestrategie: Drug-based Split
Om data-lekkage te voorkomen, hebben de auteurs een nieuwe drug-based split ontwikkeld. In plaats van willekeurige interacties te splitsen, worden geneesmiddelen gegroepeerd op basis van hun chemische structuur (Morgan-vingerafdrukken). Geneesmiddelen binnen dezelfde cluster worden in dezelfde set (train, validatie of test) geplaatst. Dit zorgt ervoor dat het model moet generaliseren naar volledig nieuwe chemische structuren, wat een veel strengere test is dan een willekeurige split.

Belangrijkste Bijdragen

1. Nieuwe Architectuur: Een graph transformer-methode die expliciet gebruikmaakt van een proteoom-brede kennisgrafiek met bindingszak-similariteit, PPI's en geneesmiddel-similariteit.
2. Rigoureuze Evaluatie: Introductie van een "drug-based split" die data-lekkage minimaliseert en een realistischer beeld geeft van de prestaties bij nieuwe geneesmiddelen.
3. Integratie van Structurele Data: Het gebruik van voorspelde bindingszakken (via HOTPocket) om structurele gelijkenis te benutten, zelfs voor eiwitten zonder experimentele structuren, wat een voordeel biedt ten opzichte van sequentie-gebaseerde methoden.
4. Real-world Case Study: Toepassing van het model op 11 nieuwe door de FDA goedgekeurde geneesmiddelen uit 2025 om te zien of het hun doelen kan identificeren.

Resultaten

De prestaties werden vergeleken met vier state-of-the-art modellen (AMMVF-DTI, FragXsiteDTI, TransformerCPI, MSF-DTA) op de Human dataset.

• Willekeurige Split (Random Split): Alle modellen presteerden uitstekend (AUROC tussen 0,975 en 0,983). Dit bevestigt de bestaande kritiek dat willekeurige splits vaak leiden tot overoptimistische resultaten door data-lekkage.
• Drug-based Split: Hier viel het verschil duidelijk op:
  • Bestaande sequentie- en structuurmodellen (zoals TransformerCPI en FragXsiteDTI) zagen hun prestaties drastisch dalen (AUROC 0,53 - 0,64).
  • PIGLET behaalde de hoogste prestatie met een gemiddelde test AUROC van 0,873.
  • Het tweede beste model, MSF-DTA (ook een netwerkgebaseerd model), haalde 0,841.
• Invloed van DrugBank-data: Het gebruik van DrugBank-interacties uitsluitend voor message passing (niet voor training) verhoogde de AUROC van PIGLET op de drug-based split van 0,720 naar 0,873, wat aantoont dat deze inductieve bias cruciaal is.
• Snelheid: Netwerkgebaseerde modellen (PIGLET en MSF-DTA) trainden aanzienlijk sneller (< 20 minuten) dan sequentie- of structuurmodellen (FragXsiteDTI duurde ~4,8 uur).
• Case Study: PIGLET slaagde erin om voor 3 van de 11 nieuwe FDA-goedgekeurde geneesmiddelen ten minste één bekend doel te identificeren met een hoge score (>0,9), wat de potentie voor reële toepassing aantoont.

Betekenis en Conclusie

PIGLET demonstreert dat het modelleren van biologische relaties via een kennisgrafiek superieur is aan traditionele diepe leerbenaderingen wanneer het gaat om het generaliseren naar nieuwe geneesmiddelen. De studie benadrukt dat de huidige hoge scores in de DTI-literatuur vaak een artefact zijn van onvoldoende strenge evaluatiemethoden.

De belangrijkste implicaties zijn:

• Betere Generalisatie: Door gebruik te maken van structurele gelijkenis van bindingszakken en een robuuste train/test-splits, kan PIGLET interacties voorspellen voor geneesmiddelen die chemisch verschillen van die in de trainingsset.
• Praktische Toepasbaarheid: Het model is niet alleen nauwkeuriger, maar ook sneller, wat het geschikt maakt voor grootschalig virtueel screenen en drug repurposing.
• Noodzaak van nieuwe benchmarks: De auteurs pleiten ervoor dat de gemeenschap overstapt van willekeurige splits naar splits gebaseerd op geneesmiddel- of doel-similariteit om de echte prestaties van DTI-modellen te kunnen beoordelen.

Kortom, PIGLET biedt een robuustere en realistischere aanpak voor het voorspellen van geneesmiddel-doelinteracties, wat een belangrijke stap is richting daadwerkelijke versnelling van de geneesmiddelenontdekking.