PRISM: A High-Throughput Simulation Infrastructure for CADD Agents

Dit artikel introduceert PRISM, een Python-gebaseerd simulatieplatform dat CADD-werkstromen verenigt en via het Model Context Protocol een AI-agent ondersteunt voor geautomatiseerde, hoogwaardige drugontwikkeling, zoals gedemonstreerd bij riboflavinesynthase.

De kern

PRISM: De "Super-Organisator" voor het Ontdekken van Nieuwe Medicijnen

Stel je voor dat het vinden van een nieuw medicijn als het bouwen van een enorm, complex kasteel is. Je hebt duizenden verschillende stenen (moleculen), maar je weet niet welke steen waar moet liggen om het kasteel (een ziekteverwekker) te laten instorten of te beschermen.

Vroeger was dit werk voor wetenschappers als een zwart-wit film zonder geluid: ze moesten elke stap handmatig doen, van het zoeken naar de juiste stenen tot het controleren of ze goed passen. Ze gebruikten verschillende gereedschappen voor elke taak, wat vaak leidde tot verwarring, fouten en een enorme hoeveelheid tijd.

PRISM is de oplossing voor dit probleem. Het is een slim computerprogramma dat fungeert als een alles-in-één bouwmeester en projectmanager.

1. Het Probleem: Een Zwerm Losse Gereedschappen

In de wereld van medicijnontwikkeling (CADD) zijn er veel verschillende softwareprogramma's.

• Het ene programma helpt bij het tekenen van de moleculen.
• Het andere simuleert hoe ze bewegen.
• Het derde berekent of ze goed blijven plakken.

Het probleem? Je moet constant van het ene programma naar het andere springen, bestanden converteren en handmatig instructies geven. Het is alsof je een auto bouwt, maar je moet elke bout met de hand vastdraaien terwijl je elke keer van werkbank verandert.

2. De Oplossing: PRISM als de "Zelfrijdende Fabriek"

PRISM (Protein-Receptor Interaction Simulation Modeler) is een platform dat al deze losse stappen in één vloeiende lijn samenvoegt.

• De Vergelijking: Stel je een fabriek voor waar een auto volledig automatisch wordt gebouwd. Je gooit de ruwe materialen (de moleculen) erin, en aan de andere kant komt een volledig geteste, rijdbare auto (een potentieel medicijn) uit.
• Wat doet het? PRISM neemt een eiwit (het doelwit, zoals een virus) en een lijst met kandidaat-moleculen. Het bereidt ze voor, bouwt een virtueel laboratorium rondom ze, laat ze dagenlang "spelen" in een simulatie (om te zien of ze stabiel blijven), en meet precies hoe goed ze aan elkaar plakken. Alles gebeurt zonder dat de wetenschapper elke knop hoeft in te drukken.

3. De Slimme Assistent: De AI-Agent

Maar PRISM is nog slimmer. Het werkt samen met een AI-agent (een kunstmatige intelligentie).

• De Vergelijking: Stel je voor dat je een architect (de AI) hebt die een blauwdruk leest. In plaats van dat jij de architect moet vertellen "pik nu deze steen op" en "draai nu die bout", zegt jij alleen: "Ik wil een kasteel bouwen dat bestand is tegen stormen."
• De AI-agent kijkt dan naar de blauwdruk, kiest de juiste gereedschappen uit de PRISM-fabriek en voert de stappen uit. Als er iets misgaat (bijvoorbeeld een steen valt), denkt de AI: "Oh, die steen past niet, ik probeer een andere," in plaats van dat de hele fabriek stilvalt.

4. Het Succesverhaal: De "Riboflavine-Synthase" Test

Om te bewijzen dat het werkt, hebben de makers PRISM getest op een specifiek enzym (een eiwit) dat bacteriën nodig hebben om Vitamine B2 te maken.

• De Missie: Vind een molecuul dat dit enzym uitschakelt, zodat de bacterie sterft, maar de mens niet (want mensen maken dit zelf niet).
• Het Resultaat: De AI-agent, gesteund door PRISM, scandeerde duizenden moleculen.
  • Eerst filterde het er duizenden uit die niet werkten (zoals het sorteren van slechte stenen).
  • Daarna simuleerde het de beste kandidaten in detail.
  • De verrassing: Ze vonden niet alleen een molecuul dat op de "hoofdpoort" van het enzym paste, maar ook een die op een verborgen achterdeur paste (een zogenaamde allostere plek).
  • De Metafoor: Het is alsof je een slot probeert te openen. Iedereen probeert de sleutel in het sleutelgat te steken. Maar PRISM en de AI ontdekten dat je het slot ook kunt blokkeren door een steen in een klein gaatje aan de zijkant te duwen, waardoor het hele mechanisme vastloopt. Dit is een heel nieuwe manier om bacteriën te bestrijden!

5. Waarom is dit belangrijk?

• Snelheid: Wat vroeger maanden duurde, gaat nu in dagen of weken.
• Betrouwbaarheid: Omdat alles automatisch en volgens strikte regels gebeurt, zijn de resultaten minder vatbaar voor menselijke fouten.
• Toekomst: Dit maakt het mogelijk om duizenden nieuwe medicijnen te testen die voorheen te duur of te tijdrovend waren om te onderzoeken.

Kort Samengevat

PRISM is de nieuwe "super-fabriek" voor medicijnontwikkelaars. Het combineert alle gereedschappen in één systeem en laat een slimme AI-agent de leiding nemen. Hierdoor kunnen wetenschappers sneller, slimmer en creatiever nieuwe medicijnen vinden, zelfs voor ziektes waar we tot nu toe geen oplossing voor hadden. Het is de overgang van het handmatig hameren van spijkers naar het bouwen van een volledig geautomatiseerde, intelligente bouwplaats.

Technische samenvatting

Probleemstelling

Ondanks de snelle vooruitgang in AI-agenten voor computer-ondersteund drugontwerp (CADD), blijven werkstromen voor simulaties van eiwit-ligand-interacties gefragmenteerd. Gebruikers moeten vaak handmatig schakelen tussen verschillende tools voor parameterisatie, systeemopbouw, simulatie en analyse. Dit creëert een groot knelpunt voor schaalbare evaluatie van kandidaat-moleculen. Bestaande platforms zoals CHARMM-GUI, OpenMMDL en CHAPERONg bieden weliswaar oplossingen, maar hebben beperkingen:

• Ze zijn vaak niet optimaal geschikt voor herhaalde, hoogdoorvoersimulaties.
• Ze bieden geen volledig geïntegreerde, reproduceerbare workflow die native is voor GROMACS.
• Ze vertrouwen vaak nog op externe diensten voor ligand-parameterisatie, wat de coherentie van de workflow verstoort.
  Er is behoefte aan een samenhangend computatieframe dat end-to-end uitvoering, reproduceerbaarheid en iteratief screenen mogelijk maakt, als basis voor AI-agenten.

Methodologie: PRISM Architectuur

PRISM (Protein-Receptor Interaction Simulation Modeler) is een Python-platform gebaseerd op GROMACS dat een geïntegreerde workflow biedt voor hoogdoorvoer-simulaties. Het systeem omvat de volgende kernmodules:

1. Unificatie van Ligand-Force Fields:
   PRISM biedt een uniforme interface voor meerdere methoden om ligandparameters te genereren, waaronder GAFF/GAFF2 (via AmberTools), OpenFF (via Interchange), CGenFF, OPLS-AA (via LigParGen) en MMFF. Een optionele module genereert RESP-ladingen (via Gaussian) voor hogere nauwkeurigheid. Alle output wordt gestandaardiseerd naar GROMACS-formaten (.gro, .itp).

2. Geautomatiseerde Systeemopbouw:
   Het platform automatiseert de volledige assemblage: validatie en reparatie van PDB-bestanden (via PDBFixer), toewijzing van protonatiestaten (via PROPKA), generatie van eiwittopologieën, samenvoegen met liganden, solvatisatie in een periodieke doos en toevoegen van ionen.

3. Simulatieconfiguratie en Versterkte Sampling:
   Configuratiebestanden (.mdp) worden automatisch gegenereerd via YAML. PRISM ondersteunt standaard MD en geavanceerde samplingtechnieken zoals REST2 (Replica Exchange with Solute Tempering 2), waarbij temperatuurladders automatisch worden ingesteld om de conformationele sampling te verbeteren.

4. Vrije-energieberekeningen:

   • MM/PBSA: Geautomatiseerde eindpunt-analyse voor bindingsvrije energie.
   • PMF (Potential of Mean Force): Een module voor umbrella sampling met een uniek algoritme voor het optimaliseren van de trekrichting. Dit gebruikt Metropolis-Hastings sampling met gesimuleerde afkoeling op een eenheidssfeer om sterische hindernissen te minimaliseren en de optimale ontkoppelingsrichting te vinden.
   • PRISM-FEbuilder: Automatiseert de opbouw van systemen voor Relative Binding Free Energy (RBFE) berekeningen (FEP). Het gebruikt een afstandsgebaseerde atoommapping om atomen te classificeren (gemeenschappelijk, getransformeerd, omringend) en behandelt ladingsverschillen via strategieën zoals arithmetisch middelen.

5. Trajectanalyse:
   Een geïntegreerde suite (gebaseerd op MDTraj) berekent RMSD, contacten (met een hysterese-methode voor stabiliteit), waterstofbruggen en SASA. Het genereert interactieve HTML-visuele weergaven van contactnetwerken.

6. CADD-Agent Integratie (MCP):
   PRISM fungeert als de computationele back-end voor een AI-agent (CADD-Agent) via het Model Context Protocol (MCP). De agent gebruikt een Large Language Model (LLM) dat geleid wordt door een vooraf gedefinieerd "expert-workflow"-protocol. De agent kan tools zoals ChEMBLFind, MolScope, AutoDock Vina en PRISM zelfstandig aansturen en outputs van de ene tool als input voor de volgende gebruiken, met menselijke bevestiging op cruciale stappen.

Belangrijkste Resultaten

1. Pilot-studie: Riboflavine-synthase (EC 2.5.1.9):
   De CADD-Agent gebruikte PRISM voor een end-to-end screening van 903 kandidaten.

   • Workflow: Selectie van 100 representatieve moleculen (via chemische ruimte-optimalisatie) → Blind docking → MM/PBSA evaluatie.
   • Vindst: De top-kandidaat (CHEMBL186010) bleek niet te binden in het actieve centrum, maar in een pocket aan de basis van de C-terminale $\alpha$-helix.
   • Biologische Implicatie: Deze locatie is cruciaal voor de trimerisatie van het enzym. De bevinding suggereert een allosterisch remmingsmechanisme door het verstoren van de oligomerisatie-interface, een strategie die potentieel resistentie kan omzeilen.

2. Benchmark van PRISM-FEbuilder:
   De module werd getest op drie systemen (HIF-2$\alpha$, T4-lysozyme L99A, p38$\alpha$ kinase) met experimentele referentiewaarden.

   • De berekende relatieve bindingsvrije energieën toonden een goede overeenkomst met experimenten.
   • Foutmarges: RMSE-waarden van 0,90 kcal/mol (HIF-2$\alpha$), 0,72 kcal/mol (T4-lysozyme) en 0,77 kcal/mol (p38$\alpha$).
   • Dit bevestigt de robuustheid van de gegenereerde FEP-systemen voor nauwkeurige vrije-energieberekeningen.

Bijdragen en Significance

• Geïntegreerde Infrastructuur: PRISM overbrugt de kloof tussen losse scripts en een volledig geautomatiseerde, reproduceerbare GROMACS-workflow. Het unificeert parameterisatie, simulatie en analyse in één omgeving.
• Agent-Ready: Door de integratie met MCP en een gestructureerd expert-workflow-protocol, maakt PRISM het mogelijk voor AI-agenten om complexe, multi-stap CADD-pijplijnen te orchestreren zonder dat de gebruiker diep in de technische details hoeft te duiken.
• Innovatieve Methodologie: De geautomatiseerde optimalisatie van trekrichtingen voor PMF en de geavanceerde atoommapping voor FEP (FEbuilder) lossen specifieke technische uitdagingen op die vaak handmatige tussenkomst vereisen.
• Biologisch Nieuwe Inzichten: De studie demonstreert dat geautomatiseerde workflows niet alleen sneller zijn, maar ook nieuwe biologische hypotheses kunnen genereren (zoals allosterische remming via oligomerisatie-interfaces) die mogelijk over het hoofd worden gezien in traditionele, lineaire screening.

Conclusie:
PRISM vestigt zich als een essentiële infrastructuur voor de volgende generatie CADD, waarbij hoogdoorvoer-simulaties en AI-agenten worden samengebracht om de efficiëntie en de diepgang van het drugontwerp te vergroten. Het platform biedt een schaalbare, reproduceerbare basis voor zowel routine-screening als geavanceerde mechanistische studies.