Learning the All-Atom Equilibrium Distribution of Biomolecular Interactions at Scale

AnewSampling is een nieuw, overdraagbaar generatief raamwerk dat voor het eerst de evenwichtsverdeling van biomoleculaire interacties op atomaair niveau nauwkeurig nabootst en zo de hoge rekenkosten van moleculaire dynamica overwint door gebruik te maken van een grote database en een innovatieve kwasi-ruimtegeneratieve aanpak.

De kern

De "AnewSampling" Revolutie: Van een Stilstaande Foto naar een Levende Film

Stel je voor dat je een boek wilt schrijven over hoe een sleutel (een medicijn) in een slot (een eiwit in je lichaam) past.

Het oude probleem: De Stilstaande Foto
Vroeger, en zelfs met de beste AI-modellen zoals AlphaFold, kregen we alleen maar een stilstaande foto van de sleutel in het slot. Het was alsof je een foto maakte van een danser in de lucht en dacht: "Oké, zo ziet het eruit." Maar in het echte leven dansen moleculen constant. Ze bewegen, draaien, rekken zich uit en veranderen van vorm. Een medicijn werkt vaak niet omdat het precies in één vorm past, maar omdat het kan "meedansen" met het eiwit terwijl ze allebei bewegen.

Het probleem is dat het simuleren van die dans (met traditionele computers) extreem langzaam is. Het is alsof je probeert een hele dansmarathon te filmen door elke seconde handmatig te tekenen. Het duurt dagen, weken of zelfs jaren om één korte dansbeweging te simuleren.

De Oplossing: AnewSampling
ByteDance heeft nu AnewSampling ontwikkeld. Dit is geen simpele foto-app meer, maar een AI-regisseur die een hele film kan maken in een flits.

Hier is hoe het werkt, vertaald in alledaagse termen:

1. Het Grote Verzamelpunt (De Database)

Stel je voor dat je een regisseur bent die een dansfilm wil maken, maar je hebt geen idee hoe mensen dansen. Je zou dan duizenden uren aan dansvideo's moeten bekijken.
AnewSampling heeft een gigantische bibliotheek van 15 miljoen dansvideo's (moleculaire bewegingen) geleerd. Ze hebben deze video's zelf gemaakt met supercomputers om ervoor te zorgen dat ze allemaal volgens de natuurwetten bewegen. Dit is de grootste collectie die er ooit is.

2. De "Quotient-Space" Magie (Het Vergeten van de Dansvloer)

Een groot probleem bij het leren van dansen is: als je een danser ziet, is dat dan een nieuwe dans, of draait hij gewoon een beetje op zijn plek?
AnewSampling gebruikt een slimme truc (de "quotient-space"). Het negeert de beweging van de hele dansvloer (het eiwit dat door de kamer schuift) en focust puur op de bewegingen van de ledematen (de atomen die echt belangrijk zijn). Hierdoor leert de AI de essentie van de dans, niet de willekeurige beweging van de danser in de ruimte.

3. Van Voorspellen naar "Aanvoelen"

Oude AI's probeerden de perfecte pose te voorspellen (waar de sleutel het beste past). AnewSampling doet iets anders: het leert de waarschijnlijkheid.
Het zegt niet: "De sleutel zit hier."
Het zegt: "De sleutel zit 30% van de tijd hier, 20% daar, en 50% draait hij om."
Het leert de equilibrium distribution (het evenwicht). Dit betekent dat het precies weet hoe vaak een molecuul in welke vorm voorkomt, net zoals een echte natuurkundige het zou berekenen, maar dan in een fractie van de tijd.

4. Het Resultaat: Een Superkrachtige Danspartner

In de paper tonen ze aan dat AnewSampling twee dingen doet die andere modellen niet kunnen:

• Het ziet de subtiele veranderingen: Als je een medicijn een klein beetje aanpast (bijvoorbeeld een atoom toevoegen), verandert de hele dans. AnewSampling ziet dit direct. Andere modellen denken dat de dans hetzelfde blijft.
• Het doorbreekt de muren: Soms zitten moleculen vast in een "val" (een hoge energiedrempel). Een normale computer-simulatie komt daar niet uit. AnewSampling, omdat het de onderliggende patronen van de dans kent, kan plotseling zien dat er een andere dansbeweging mogelijk is die de computer niet zag. Het is alsof de AI een geheime tunnel ziet die de andere modellen missen.

Waarom is dit belangrijk voor jou?
Voor medicijnontwikkelaars is dit een game-changer.

• Snelheid: Wat vroeger maanden duurde, duurt nu seconden.
• Betrouwbaarheid: Ze kunnen medicijnen ontwerpen die niet alleen in de "foto" passen, maar die ook meedansen met het lichaam.
• Kosten: Het bespaart enorme hoeveelheden geld en tijd in de zoektocht naar nieuwe medicijnen tegen ziektes.

Kortom:
Als AlphaFold de architect was die een perfect statisch gebouw tekende, dan is AnewSampling de bouwkundige en de bewoner die weet hoe het gebouw beweegt, wieert, en reageert op de wind. Het maakt van een stilstaande foto een levend, ademend universum van moleculen.

Technische samenvatting

Titel en Context

Paper: Learning the All-Atom Equilibrium Distribution of Biomolecular Interactions at Scale
Auteurs: Yusong Wang, Youjun Xu, Wentao Li, et al. (ByteDance AI Drug Discovery & Anew Therapeutics)
Datum: 11 maart 2026 (Preprint)

---

1. Het Probleem

Biomoleculaire functies worden niet bepaald door statische structuren, maar door dynamische conformationele ensembles (verzamelingen van verschillende vormen) die in evenwicht zijn volgens de Boltzmann-verdeling.

• Beperkingen van bestaande modellen: Hoewel modellen zoals AlphaFold de statische grondtoestand van eiwitten met ongekende nauwkeurigheid kunnen voorspellen, missen ze het vermogen om de dynamische fluctuaties en thermodynamische evenwichten vast te leggen die essentieel zijn voor drugdesign.
• Beperkingen van Moleculaire Dynamica (MD): Traditionele MD-simulaties kunnen deze dynamiek wel modelleren, maar zijn computatief zeer intensief. Ze vereisen femtoseconde-stappen en kunnen vaak niet de zeldzame gebeurtenissen (zoals het overwinnen van hoge energiebarrières) simuleren binnen praktische tijdsbestekken, zelfs niet op supercomputers.
• Huidige AI-generatieve modellen: Bestaande generatieve AI-modellen (zoals BioEmu of Boltz2) focussen vaak op vereenvoudigde representaties (alleen de eiwitruggegraat) of sufferen aan wiskundige inconsistenties tussen trainingsdoelen en steekproefneming, wat leidt tot een gebrek aan fysische nauwkeurigheid in atomaire interacties (bijv. zijketens en liganden).

De kernvraag: Kan een generatief raamwerk biomoleculaire interacties op atomaire schaal modelleren en tegelijkertijd de geconvergeerde evenwichtsverdelingen van MD-faithfully reproduceren?

---

2. Methodologie: AnewSampling

De auteurs introduceren AnewSampling, een overdraagbaar generatief fundamenteel raamwerk ontworpen voor het hoogwaardig steekproeven van atomaire evenwichtsverdelingen.

A. Data: AnewSampling-DB

• Het model is getraind op AnewSampling-DB, de grootste tot nu toe zelfsamengestelde database van eiwit-ligand trajecten.
• Omvang: Meer dan 15 miljoen conformaties, bestaande uit 31.364 unieke complexen, 10.297 unieke eiwitsequenties en 27.979 unieke ligand-SMILES.
• Kwaliteit: Alle trajecten zijn gegenereerd via een uniforme pijplijn met consistente krachtvelden (force fields) en omvatten zowel standaard MD als Replica Exchange MD (REMD) voor betere steekproefneming.

B. Architectuur en Training

• Basis: Het bouwt voort op een vooraf getrainde AlphaFold3-achtige architectuur (Input Embedder, MSA-module, Pairformer).
• Hybride Fine-tuning Strategie:
  • Sequentie-modules: Gebruik van Low-Rank Adaptation (LoRA) om de robuuste vooraf getrainde representaties te behouden en catastrofaal vergeten van geometrisch redeneren te voorkomen.
  • Diffusie-module: Volledige parameter-fine-tuning om de overgang van deterministische structuurvoorspelling naar stochastische thermodynamische steekproefneming mogelijk te maken.
• Quotient-Space Diffusie: Een kerninnovatie waarbij de rigide lichaamsvrijheidsgraden wiskundig worden uitgefilterd. Dit zorgt ervoor dat de generatie plaatsvindt op het manifold van interne vormen, wat wiskundige inconsistenties oplost en de exacte herwinning van de Boltzmann-verdeling garandeert.
• Cluster-Based Template Guidance: Om ergodiciteit na te bootsen, worden templates willekeurig gesampled en verstoord uit verschillende conformationele clusters. Dit forceert een grondige verkenning van het evenwichtsen ensemble, ongeacht de startpositie.

---

3. Belangrijkste Bijdragen

1. Eerste Atomaire Evenwichtsmodel: AnewSampling is het eerste model dat de volledige atomaire evenwichtsverdeling (inclusief zijketens en liganden) van biomoleculaire complexen nauwkeurig reproduceert, in plaats van alleen de ruggegraat.
2. Wiskundige Consistentie: Door de quotient-space diffusie wordt de wiskundige inconsistentie tussen training en sampling opgelost, wat leidt tot een echte thermodynamische verdeling.
3. Grootschalige Database: De creatie van AnewSampling-DB met 15+ miljoen conformaties biedt een ongeëvenaarde basis voor het trainen van fysisch consistente modellen.
4. Verhoogde Steekproefneming (Enhanced Sampling): Het model toont een emergent vermogen om hoge energiebarrières te doorbreken die traditionele MD-simulaties blokkeren, zelfs wanneer het uitsluitend op standaard MD-data is getraind.

---

4. Resultaten

A. Benchmark op ATLAS (Eiwitmonomeren)

Op de ATLAS-testset (een standaard voor eiwitflexibiliteit) presteert AnewSampling consequent beter dan alle bestaande generatieve methoden (zoals BioMD, BioEmu, ConfDiff) op 13 van de 13 evaluatiemetingen.

• Flexibiliteit: Hoogste Pearson-correlatie voor RMSF (r = 0,89) en RMSD.
• Verdelingsnauwkeurigheid: Laagste Root Mean Wasserstein-2 (W2) afstand (1,88), wat aangeeft dat de gegenereerde verdeling statistisch nauwelijks te onderscheiden is van de grondwaarheid (MD).
• Transiënte observabelen: Staat voorop in het voorspellen van zwakke en tijdelijke contacten (Jaccard-index).

B. Eiwit-Ligand Dynamica (Houd-out Test & JACS/Merck)

• Ligand Flexibiliteit: AnewSampling bereikt een mediane JS-afstand van 0,24 voor ligand torsiehoeken, wat statistisch ononderscheidbaar is van de REMD-baseline (0,22). Statische modellen (AF3, Protenix) en zelfs Boltz2 presteerden slecht (~0,5).
• Interactie-stabiliteit: Voor niet-covalente interacties (waterstofbruggen, π-stacking) bereikte AnewSampling een mediane WS-afstand van 0,99 Å, vergelijkbaar met MD (1,05 Å), terwijl co-folding modellen rond de 2,0 Å bleven.
• SAR-series: Het model kan subtiele conformationele verschuivingen detecteren bij kleine chemische modificaties van liganden, wat cruciaal is voor Structure-Activity Relationship (SAR) analyse.

C. Gevalstudie: CDK2 (Verhoogde Steekproefneming)

In CDK2-complexen (1H1R en 1H1S) slaagt AnewSampling erin:

• Meerdere bindingsposities te vinden die door conventionele MD (binnen 10-100 ns) gemist worden vanwege hoge energiebarrières.
• Gekoppelde bewegingen vast te leggen: De rotatie van een ligand-groep (sulfonamide) die een herschikking van eiwit-zijketens (Gln/Asp) vereist om waterstofbruggen te vormen. Dit wordt correct voorspeld, terwijl standaard MD hierin faalt.

---

5. Betekenis en Impact

• Paradigmaverschuiving: AnewSampling verschuift het focus van statische "single-state" voorspelling naar dynamische "ensemble-aware" design. Dit stelt onderzoekers in staat om de volledige flexibiliteit van biomoleculen te karakteriseren voordat zware fysieke simulaties worden uitgevoerd.
• Efficiëntie: Het model biedt een schaalbare methode om complexe conformationele landschappen te verkennen met een fractie van de kosten van traditionele MD, terwijl het de nauwkeurigheid van REMD benadert.
• Toepassing in Drugdesign: Door het nauwkeurig modelleren van gekoppelde ligand-eiwit bewegingen en transiënte interacties, kan dit model helpen bij het ontwerpen van adaptieve remmers en het verfijnen van bindingsaffiniteitsvoorspellingen.
• Complementair met MD: Het raamwerk is niet bedoeld om MD te vervangen, maar om het te versnellen door robuuste startconfiguraties te leveren en zeldzame gebeurtenissen te ontsluiten die anders onbereikbaar zouden zijn.

Conclusie: AnewSampling vertegenwoordigt een doorbraak in AI-gedreven drugontdekking door voor het eerst een model te bieden dat wiskundig consistent is, atomaire details behoudt en de thermodynamische realiteit van biomoleculaire interacties op grote schaal kan simuleren.