Circumventing the synthesizability problem in generative molecular design

Dit artikel introduceert de model-gestuurde virtuele screening (MGVS), een pipeline die generatieve structurele geneesmiddelenontwerpmodellen koppelt aan chemische vergelijkingsmethoden om synthetiseerbare analogen met vergelijkbare of betere bindingseigenschappen te identificeren, waardoor de screeningsefficiëntie tot 25 keer wordt verbeterd ten opzichte van standaardmethoden.

De kern

De "Magische Ontwerper" en de "Bouwmarkt": Hoe AI nieuwe medicijnen vindt zonder de fabriek te vergeten

Stel je voor dat je een meester-architect hebt die een perfect huis kan ontwerpen voor een specifieke klant. Deze architect is een kunstmatige intelligentie (AI) die speciaal is getraind om medicijnen te ontwerpen die precies in een ziekteverwekker (zoals een virus of kankercel) passen.

Het probleem? Deze architect is zo creatief dat hij soms ontwerpen maakt die onmogelijk te bouwen zijn. Hij tekent muren van glas die niet bestaan, of gebruikt stalen die nog niet zijn uitgevonden. In de farmaceutische wereld noemen we dit het "synthetiseerbaarheids-probleem": je hebt een prachtig idee, maar je kunt het niet in het echt maken.

Dit artikel beschrijft een slimme nieuwe manier om dit probleem op te lossen. Het is alsof we de architect niet vragen om het perfecte, onmogelijke huis te bouwen, maar hem vragen om een schatkaart te tekenen.

De Oplossing: De "Model-Gestuurde Virtuele Screening" (MGVS)

De auteurs van dit onderzoek hebben een proces bedacht dat ze MGVS noemen. Laten we het uitleggen met een analogie:

1. De Creatieve Architect (De Generatieve AI):
   Eerst laten we de AI los op een probleem. Hij tekent 1.000 unieke, soms bizarre, maar veelbelovende ontwerpen voor medicijnen. Deze ontwerpen passen perfect in de "sleutelgat" van de ziekte, maar ze zijn misschien onmogelijk te fabriceren. Ze zijn als droomhuizen op papier.

2. De Zoektocht naar Bouwplannen (De Similariet-zoektocht):
   In plaats van te proberen deze droomhuizen direct te bouwen, nemen we de beste 10 ontwerpen van de architect en gaan we naar de grootste bouwmarkt ter wereld (een database met miljarden bestaande, bouwbare chemicaliën).

   Hier gebruiken we een slimme zoekmachine. We vragen: "Heeft iemand hier een huis dat eruitziet als dit droomhuis, maar dan gemaakt van echte, beschikbare materialen?"

   De zoekmachine vindt snel honderden varianten die er bijna hetzelfde uitzien als het droomhuis, maar dan wel bouwbaar zijn.

3. De Test (Docking):
   Vervolgens testen we deze bouwplannen om te zien of ze net zo goed werken als het originele droomhuis.

Wat Vonden Ze?

De resultaten zijn verrassend goed, bijna alsof de architect een toverstaf had:

• Beter dan willekeurig zoeken: Als je gewoon 50.000 willekeurige bouwplannen uit de database zou halen en testen, duurt het eeuwen om iets goeds te vinden. Met hun methode vinden ze net zo goede (of zelfs betere) resultaten door slechts 2.000 plannen te testen. Dat is 25 keer sneller en efficiënter!
• De "Droom" leidt naar de "Realiteit": De onmogelijke ontwerpen van de AI bleken uitstekende "wijzers" te zijn. Ze wezen precies naar het juiste deel van de bouwmarkt waar de beste, bouwbare medicijnen zaten.
• Hetzelfde effect: De bouwplannen die ze vonden, pasten precies in het ziekteverwekker-sleutelgat, net als het originele AI-ontwerp. Ze maakten dezelfde contactpunten en werkten net zo goed.

Waarom is dit belangrijk?

Vroeger dachten veel wetenschappers: "Als AI medicijnen ontwerpt die we niet kunnen maken, is het nutteloos."

Dit artikel zegt: "Nee, dat is niet waar!"

Het is alsof je een schatzoeker bent. De AI is de persoon die de X op de kaart zet. Die X staat misschien op een plek waar je niet kunt graven (omdat het een berg is of een meer), maar door die X te zien, weet je precies waar je moet zoeken in de omgeving. Je hoeft de AI niet te dwingen om alleen "bouwbare" dingen te tekenen; je kunt hem gewoon laten dromen, en dan zelf de brug slaan naar de realiteit.

Kortom:
Deze nieuwe methode combineert de droomkracht van AI (die grenzeloos creatief is) met de praktijk van bestaande databases (waar alles al bouwbaar is). Het maakt het vinden van nieuwe medicijnen veel sneller, goedkoper en haalbaarder, zonder dat we hoeven te wachten tot de AI perfect wordt in het ontwerpen van fabrieksvriendelijke moleculen. Het is een win-winsituatie voor de toekomst van medicijnontwikkeling.

Technische samenvatting

Titel: Het omzeilen van het syntheseerbaarheidsprobleem in generatief moleculair ontwerp

1. Het Probleem

Generatieve deep learning-modellen voor structureel gebaseerd drugdesign (SBDD) beloven de ontdekking van nieuwe geneesmiddelen te versnellen door moleculen te genereren die specifiek passen in eiwitzakken. Een kritieke beperking van deze modellen is echter dat ze vaak verbindingen genereren die niet synthetiseerbaar zijn of chemisch onwaarschijnlijk.

• Praktische beperking: In de vroege fasen van drugontwikkeling is het essentieel om hit-verbindingen snel te kunnen aanschaffen of synthetiseren. Custom synthese van volledig nieuwe structuren is te duur en traag.
• Bestaande oplossingen: Traditionele virtuele screening (VLS) gebruikt commerciële bibliotheken met bekende syntheseroutes, maar deze zijn beperkt (miljoenen verbindingen) vergeleken met de enorme chemische ruimte (10^60).
• Uitdaging: Het volledig doorzoeken van ultra-grote virtuele chemische ruimtes (triljoenen verbindingen) met traditionele VLS-methoden wordt computatief onhaalbaar.

2. Methodologie: Model-Guided Virtual Screening (MGVS)

De auteurs introduceren een nieuwe pipeline, Model-Guided Virtual Screening (MGVS), die generatieve modellen combineert met efficiënte chemische zoekmethoden om synthetiseerbare analogen te vinden. Het proces verloopt in vijf stappen:

1. Generatie: Drie state-of-the-art SBDD-modellen (DrugHIVE, Pocket2Mol en DiffSBDD) genereren 1.000 verbindingen per doelwit-eiwit, gekonditioneerd op de structuur van de eiwitzak.
2. Docking en Scoren: De gegenereerde verbindingen worden gedocked in de doelzak met QuickVina2 om de voorspelde bindingsaffiniteit te scoren.
3. Filtering: Verbindingen met PAINS-patronen, slechte drug-achtige eigenschappen of onregelmatige structuren (bijv. gespannen geometrieën) worden verwijderd. De top-10 verbindingen per model worden geselecteerd als "query".
4. Zoeken naar Analogen: Voor elke query wordt een hierarchical graph edit distance (GED) zoekopdracht uitgevoerd met behulp van SmallWorld in ultra-grote bestaande bibliotheken (Enamine REAL, WuXi GalaXi, ZINC). Er worden maximaal 100 meest vergelijkbare verbindingen geselecteerd per query.
   • Technische nuance: GED wordt gebruikt omdat het topologische en structurele gelijkenis beter meet dan vingerafdrukken (zoals ECFP4 of Daylight), wat cruciaal is voor de vormcomplementariteit in de bindingszak.
5. Validatie: De gevonden analogen worden opnieuw gedocked en gescoord. De beste synthetiseerbare analogen worden geselecteerd op basis van hun docking-score.

3. Belangrijkste Bijdragen

• Paradigmaverschuiving: In plaats van te proberen modellen te dwingen om direct synthetiseerbare moleculen te genereren (wat vaak ten koste gaat van diversiteit en controle), stelt de auteurs dat generatieve modellen kunnen dienen als "kompas" om veelbelovende subruimtes in de chemische ruimte te vinden. Binnen deze subruimtes kunnen vervolgens synthetiseerbare analogen worden gevonden via zoekopdrachten.
• Efficiëntie: MGVS lost het schaalbaarheidsprobleem op door de zoekruimte drastisch in te perken. In plaats van miljarden verbindingen te screenen, worden slechts een paar duizend (de gegenereerde queries + hun analogen) gedocked.
• Validatie van GED: Het artikel toont aan dat Graph Edit Distance een betere voorspeller is voor bindingsaffiniteit en deelt interacties dan traditionele vingerafdruk-maatstaven.

4. Resultaten

De studie werd uitgevoerd op 30 verschillende eiwitdoelen met drie verschillende generatieve modellen:

• Verbeterde Synthetiseerbaarheid: De gevonden analogen hadden aanzienlijk betere synthetiseerbaarheidsscores (SA-score) dan de gegenereerde queries, terwijl ze chemisch zeer vergelijkbaar bleven.
• Bindingsaffiniteit:
  • 98,7% van de zoekresultaten had een docking-score binnen de foutmarge (±1,5 kcal/mol) van de originele query.
  • De zoekresultaten presteerden vaak beter dan de originele queries en hadden vergelijkbare of betere scores dan de kristallografische liganden uit de PDB.
  • Er was een positieve correlatie tussen de GED (hoe minder edits, hoe beter) en de bindingskwaliteit.
• Efficiëntie Winst: MGVS presteerde significant beter dan willekeurige virtuele screening (VLS).
  • Het screenen van slechts 2.000 verbindingen (1.000 gegenereerd + 1.000 analogen) leverde betere kandidaten op dan het screenen van 50.000 willekeurige verbindingen uit de ZINC-database.
  • Dit resulteert in een 25-voudige verbetering in screenings-efficiëntie.
• Bindende Posities: De zoekresultaten deelden vaak dezelfde specifieke intermoleculaire interacties (waterstofbruggen, zoutbruggen, π-interacties) met de query. Ongeveer 50% van de queries had een analoog dat alle specifieke interacties deelde, en bijna 100% deelde ten minste één interactie.

5. Betekenis en Conclusie

Dit werk demonstreert dat de beperkingen van huidige generatieve modellen (moeilijk synthetiseerbaar) niet een fundamenteel obstakel vormen voor hun toepassing in drugontdekking.

• Praktische Toepassing: Generatieve modellen kunnen effectief worden gebruikt om de zoekruimte te sturen naar gebieden met hoge potentie, waarna bestaande, synthetiseerbare bibliotheken worden doorzocht voor de daadwerkelijke kandidaten.
• Toekomstperspectief: Naarmate chemische databases groeien, worden methoden die de zoekruimte effectief inperken (zoals MGVS) cruciaal. De auteurs suggereren dat het verbeteren van de kwaliteit van de gegenereerde "ideale" binders (onafhankelijk van synthetiseerbaarheid) de effectiviteit van MGVS verder zal vergroten, in plaats van dat modellen beperkt moeten worden tot synthetiseerbare subruimtes.

Kortom, MGVS biedt een robuust en schaalbaar kader om de kloof te overbruggen tussen de innovatieve kracht van generatieve AI en de praktische vereisten van synthetiseerbare drugontwikkeling.