Pan-Pharmacological Drug-Target Interaction Prediction with 3D-Informed Protein Encoding at Scale

OmniBind is een multitask-lerend raamwerk dat 3D-structurele informatie en aminozuursequentie-eigenschappen combineert om op grote schaal nauwkeurige en interpreteerbare voorspellingen te doen voor drug-doelwit-interacties over meerdere farmacologische eindpunten heen.

De kern

De "Super-Detective" voor Medicijnen: Hoe OmniBind de Wereld van Geneesmiddelen Verandert

Stel je voor dat je een enorme bibliotheek hebt met miljarden boeken (de chemische wereld van medicijnen) en een andere bibliotheek met tienduizenden sloten (de eiwitten in ons lichaam). Het doel van een farmaceutisch bedrijf is om te vinden welk boekje (medicijn) precies in welk slot past. Als het past, kan het een ziekte genezen. Als het per ongeluk in het verkeerde slot past, kan het gevaarlijke bijwerkingen veroorzaken.

Tot nu toe was dit zoeken als het proberen van duizenden sleutels op een donkere nacht: het duurde eeuwen, was duur, en vaak paste de sleutel wel, maar werkte hij niet goed.

Deze paper introduceert OmniBind, een nieuwe, slimme "super-detective" die dit probleem oplost. Hier is hoe het werkt, vertaald in alledaagse taal:

1. Het Probleem: Te veel informatie, te weinig tijd

Vroeger hadden wetenschappers twee opties:

• De "Blindganger": Ze keken alleen naar de tekst op de sleutel (de chemische formule). Soms paste hij, maar vaak niet, omdat ze de vorm van het slot niet zagen.
• De "Architect": Ze maakten een 3D-model van het slot om te zien hoe de sleutel erin paste. Dit was heel accuraat, maar het duurde zo lang dat je nooit meer dan een paar sloten per dag kon testen.

OmniBind combineert het beste van beide werelden: het is snel als een computer, maar ziet de 3D-vorm van het slot alsof het een architect is.

2. De Oplossing: De "Twee-Ogen" Methode

OmniBind kijkt naar een eiwit (het slot) met twee verschillende "ogen" tegelijk:

• Oog 1 (De tekst): Het leest de letterlijke code van het eiwit (de aminozuren).
• Oog 2 (De vorm): Het gebruikt een slimme truc om de 3D-vorm van het eiwit om te zetten in een soort "vorm-code" (de 3Di-tokens).

De Magische Bril (Gated Fusion):
Stel je voor dat je een bril hebt die automatisch schakelt tussen dag- en nachtzicht. OmniBind heeft zo'n bril. Soms is de tekst van het eiwit belangrijker, soms is de 3D-vorm belangrijker. De "Gated Fusion" (de poort) beslist in een fractie van een seconde welke "oog" het meeste moet luisteren. Hierdoor ziet het niet alleen of de sleutel past, maar waarom hij past.

3. De Superkracht: Alles in één keer

De meeste oude systemen waren als een student die maar één vak per dag kan studeren. Als je ze vroeg: "Hoe goed werkt dit medicijn?", antwoordden ze alleen met één cijfer.

OmniBind is als een genie dat vier vakken tegelijk doet. In één keer kan het voorspellen:

1. Hoe sterk het medicijn plakt (Affiniteit).
2. Hoe goed het een ziekte remt (IC50).
3. Hoe goed het een ziekte activeert (EC50).
4. En nog een andere maatstaf.

Dit geeft een volledig profiel van het medicijn, net als een uitgebreid medisch dossier in plaats van alleen een bloeddrukmeting.

4. De Proef: De "Kloof" en de "Vermomming"

Om te bewijzen dat OmniBind echt slim is en niet alleen dingen uit zijn hoofd heeft geleerd (zoals een student die het antwoordboekje leert), deden de onderzoekers twee slimme tests:

• De "Verkeerde Antwoorden" Test: Ze gaven het systeem medicijnen die ze kenden, maar zeiden: "Dit medicijn werkt niet op dit eiwit" (terwijl het wel deed). Een dom systeem zou zeggen: "Oh, dit medicijn werkt altijd, dus het werkt hier ook." OmniBind zei echter: "Nee, ik zie dat dit eiwit een andere vorm heeft, dus dit medicijn past hier niet." Dit bewijst dat het de fysica begrijpt, niet alleen de statistiek.
• De "Tijdmachine" Test: Ze trainden het systeem met data van 2023 en testten het op medicijnen die pas in 2024 ontdekt waren. OmniBind deed het beter dan alle andere systemen. Het kan dus echt nieuwe dingen ontdekken, niet alleen oude feiten herhalen.

5. Het Bewijs: De "Dubbelgangers"

OmniBind kreeg een lastige opdracht: twee medicijnen die er bijna hetzelfde uitzien (Clozapine en Clomipramine, beide met een driehoekige vorm) moeten onderscheiden.

• Clozapine moet op receptor A werken.
• Clomipramine moet op receptor B werken.

Oude systemen verwarden ze vaak. OmniBind zag echter het kleine verschil in de vorm en zei precies: "Clozapine gaat naar A, Clomipramine naar B." Het kon zelfs de bijwerkingen voorspellen die bekend zijn bij deze medicijnen, alsof het een ervaren arts is die de patiënt kent.

Waarom is dit belangrijk?

Dit is niet zomaar een snellere computer. Het is een versneller voor het redden van levens.

• Veiligheid: Het kan nu in één dag testen of een nieuw medicijn per ongeluk op een verkeerd eiwit in het lichaam werkt (wat gevaarlijk kan zijn).
• Nieuwe toepassingen: Het kan bestaande medicijnen vinden die misschien een heel andere ziekte kunnen genezen (bijvoorbeeld een medicijn voor de maag dat ook kanker kan bestrijden).
• Snelheid: Wat vroeger maanden duurde met dure labtests, kan nu in milliseconden op een computer worden gedaan.

Kortom: OmniBind is de eerste "super-detective" die zowel de tekst als de 3D-vorm van het lichaam begrijpt, waardoor we medicijnen sneller, veiliger en slimmer kunnen vinden.

Technische samenvatting

Probleemstelling

De identificatie van verbindingen die een doelwit-eiwit moduleren met de gewenste potentie en selectiviteit is de kern van de geneesmiddelenontwikkeling, maar minder dan 10% van de kandidaten haalt de klinische fase. Er zijn drie fundamentele uitdagingen die de huidige diep-lerende methoden beperken:

1. Integratie van 3D-structuur: Hoewel modellen zoals AlphaFold2 en AlphaFold3 nauwkeurige structuren voorspellen, is het integreren van expliciete 3D-informatie (zoals geometrische grafieken) in deep learning-modellen computatievriendelijk te duur voor high-throughput screening.
2. Multidimensionale farmacologie: Bestaande modellen focussen vaak op één farmacologische metriek (bijv. alleen $K_i$ of alleen $IC_{50}$). Dit is ontoereikend voor het karakteriseren van het complexe, multidimensionale farmacologische gedrag dat nodig is voor klinische relevantie.
3. Generalisatie en Ruis: Modellen getraind op kleine, homogene datasets overfitten vaak en generaliseren slecht naar de ruis en heterogeniteit van real-world data (zoals BindingDB). Ze vertonen vaak een "ligand-bias", waarbij ze statistische correlaties tussen verbindingen en eiwitten leren in plaats van de onderliggende fysisch-chemische principes van moleculaire erkenning.

Er is geen unified framework dat deze drie uitdagingen gelijktijdig oplost.

Methodologie: OmniBind

De auteurs introduceren OmniBind, een multitask deep learning-framework dat is ontworpen om deze trilemma op te lossen via drie kernontwerpprincipes:

1. Dual-Modality Protein Encoding (3Di Tokens):

   • In plaats van zware 3D-voorstellingen, wordt de eiwit-tertiaire structuur gecodeerd als discrete, één-dimensionale 3Di-tokenreeksen. Deze tokens vertegenwoordigen lokale biofysische omgevingen in een alfabet van 20 symbolen, gegenereerd door het model ProstT5.
   • Dit stelt het model in staat om structurele informatie te verwerken met de snelheid van sequentie-gebaseerde verwerking, waardoor proteoom-brede screening mogelijk wordt.
   • Het framework gebruikt twee parallelle Transformer-encoders: één voor aminozuursequenties en één voor de 3Di-structurele tokens.

2. Adaptieve Gate Fusion:

   • De output van de sequentie- en structuur-encoders wordt niet statisch samengevoegd (bijv. door optelling), maar via een Gate Fusion Layer.
   • Deze laag gebruikt leerbare sigmoid-gates om dynamisch de bijdrage van elke modality (sequentie vs. structuur) te wegen, afhankelijk van de specifieke bindingscontext. Ablatiestudies tonen aan dat deze dynamische integratie essentieel is omdat sequentie- en structuurinformatie complementair en niet-redundant zijn.

3. Multitask Learning voor Pan-Farmacologie:

   • OmniBind voert in één enkele forward pass voorspellingen uit voor vier farmacologische eindpunten: $pK_i$, $pK_d$, $pIC_{50}$ en $pEC_{50}$.
   • Het model is getraind op meer dan 2 miljoen compound-proteïne paren uit BindingDB, wat zorgt voor robuustheid tegen ruis en chemische diversiteit.
   • De architectuur bestaat uit een Compound Featurizer (GCN voor SMILES), een Protein Featurizer (dual Transformer + Gate Fusion) en een Transformer Decoder die cross-attention gebruikt om interacties te modelleren.

Belangrijkste Bijdragen

• Efficiënte 3D-Integratie: Het bewijs dat discrete 3Di-tokencodering, gecombineerd met gate fusion, structurele informatie kan integreren zonder de doorvoersnelheid te offeren, waardoor proteoom-brede screening (20.000+ eiwitten) in milliseconden mogelijk is.
• Superieure Generalisatie: Het demonstreren dat het model fysisch-chemische principes leert in plaats van dataset-specifieke patronen, bewezen door strikte adversariale en temporale benchmarks.
• Interpreteerbaarheid: Het gebruik van attention-mechanismen om biologisch betekenisvolle bindingsplaatsen te identificeren en gevoeligheid voor klinisch relevante mutaties (zoals T315I) aan te tonen.
• Praktische Toepasbaarheid: Succesvolle toepassing in drug repositioning en off-target profiling voor klinische geneesmiddelen.

Resultaten

1. Benchmarking en Generalisatie:

   • Label Reversal Test: OmniBind presteerde significant beter dan state-of-the-art modellen (DTI-LM, TransformerCPI2.0) wanneer activiteitslabels werden omgekeerd. Dit bewijst dat het model niet afhankelijk is van ligand-identiteit, maar echte eiwit-specifieke interactiekenmerken leert.
   • Temporale Validatie: Getraind op data tot mei 2023, voorspelde OmniBind nauwkeurig interacties voor nieuwe paren (november 2024) die volledig afwezig waren in de training. Het behaalde de laagste RMSE en hoogste C-index, AUROC en AUPRC.

2. Drug Repositioning en Structurele Validatie:

   • Screening van FDA-goedgekeurde geneesmiddelen leverde top-kandidaten op voor PDE5, KLKB1 en SIRT3.
   • Avanafil (een bekende PDE5-remmer, afwezig in de trainingsdata) werd correct als top-kandidaat voorspeld.
   • Nieuwe kandidaten zoals Glecaprevir (voor KLKB1) en Valrubicin (voor SIRT3) werden geïdentificeerd. Structurele validatie via Boltz-2 en MOE-docking bevestigde dat de voorspelde bindingsmodi consistent waren met de bekende enzymatische mechanismen (bijv. waterstofbruggen met katalytische residuen).

3. Attention Analyse (Interpreteerbaarheid):

   • Bij de analyse van de ABL1-imatinib interactie concentreerde de attention-weight in decoder-laag 4 zich specifiek op de gatekeeper-residu T315.
   • Het model detecteerde de T315I-mutatie (een veelvoorkomende resistentiemutatie) door een significante afname van de attention-weight op dat specifieke residu, wat aantoont dat het model gevoelig is voor single-residue veranderingen van klinisch belang.

4. Proteoom-brede Screening:

   • Bij screening van 20.421 menselijke eiwitten voor clozapine en clomipramine, herstelde OmniBind 85,7% van de bekende klinische doelen van clozapine binnen de top 200 voorspellingen.
   • Het model onderscheidde correct de primaire doelen van deze twee structureel vergelijkbare tricyclische verbindingen (HTR2A voor clozapine vs. SLC6A4 voor clomipramine), wat de farmacologische specificiteit aantoont.

Betekenis en Impact

OmniBind biedt een robuust, interpreteerbaar en schaalbaar platform voor drug-target interactievoorspelling. Door structurele informatie efficiënt te integreren en multitask learning toe te passen, overbrugt het de kloof tussen high-throughput screening en structurele precisie. De methodiek is direct toepasbaar voor:

• Lead-optimatie: Door snelle, nauwkeurige voorspellingen over meerdere farmacologische eindpunten.
• Veiligheidsbeoordeling: Door het identificeren van off-target effecten in het hele proteoom.
• Drug Repositioning: Door het vinden van nieuwe toepassingen voor bestaande geneesmiddelen.

Het werk markeert een stap voorwaarts in het verplaatsen van AI-gedreven drug discovery van statische, ligand-gebaseerde correlaties naar dynamische, structuur-informeerde mechanistische modellen.