Protenix-v2: Broadening the Reach of Structure Prediction and Biomolecular Design

Protenix-v2 is een krachtig systeem dat de bereik van structuurvoorspelling en biomoleculair ontwerp uitbreidt door aanzienlijke verbeteringen te boeken in de succespercentages voor antilichamen, GPCR-doelen en SARS-CoV-2-binders, waardoor de versnelling van de geneesmiddelenontdekking wordt bevorderd.

De kern

🧬 Protenix-v2: De Super-Detective en de Bouwmeester van de Lijf

Stel je voor dat het menselijk lichaam een enorme, ingewikkelde stad is. De gebouwen in deze stad zijn eiwitten (de bouwstenen van het leven). Soms werken deze gebouwen samen, soms botsen ze, en soms proberen virussen of ziektes de stad binnen te dringen.

Om medicijnen te maken, moeten wetenschappers twee dingen doen:

1. De kaart tekenen: Ze moeten precies weten hoe deze gebouwen eruitzien en hoe ze in elkaar passen (Structuurvoorspelling).
2. De sleutel maken: Ze moeten een nieuwe sleutel (een medicijn of antilichaam) ontwerpen die precies in het slot van een ziekte past, zodat ze de deur kunnen openen of dichtsluiten (Biomoleculair Ontwerp).

Protenix-v2 is de nieuwe, superkrachtige computer die dit voor ons doet. Het is als een combinatie van een ultra-scherpe detective en een geniale architect.

---

1. De Detective: Het zien van onzichtbare dingen 🕵️‍♂️

In het verleden waren computers zoals Protenix-v1 al goed in het voorspellen van hoe eiwitten eruitzagen. Maar Protenix-v2 is een enorme sprong voorwaarts.

• De Analogie: Stel je voor dat je een foto van een gebroken vaas probeert te reconstrueren. De oude computer (v1) kon de stukjes misschien wel bij elkaar leggen, maar het resultaat was vaak een beetje wazig. Protenix-v2 is als een detective met een laser-scan. Hij ziet niet alleen de stukjes, maar ook de krassen en de exacte vorm.
• Het Resultaat: Als het gaat om het voorspellen van hoe antilichamen (de verdedigers van ons lichaam) virussen of ziektes aanpakken, is Protenix-v2 veel sneller en nauwkeuriger.
  • De "5-zaadjes"-truc: Normaal moet je een computer 1000 keer laten proberen om een goed antwoord te krijgen (zoals 1000 keer een dobbelsteen gooien). Protenix-v2 heeft maar 5 pogingen nodig om beter te zijn dan de oude computer na 1000 pogingen. Het is als een schutter die met 5 schoten raakt waar anderen 1000 nodig hebben.

---

2. De Architect: Het ontwerpen van nieuwe medicijnen 🏗️

Dit is het meest spannende deel. Protenix-v2 kan niet alleen kijken, maar ook creëren. Het kan volledig nieuwe medicijnen ontwerpen die nog nooit bestaan hebben.

A. Het vinden van de "Gouden Sleutel" (Antilichamen)

Wetenschappers hebben Protenix-v2 gevraagd om medicijnen te ontwerpen tegen ziektes waarvoor we nog geen goede oplossing hebben.

• De Analogie: Stel je voor dat je een slot hebt dat nog nooit is gemaakt. Je moet een sleutel ontwerpen die erin past. Protenix-v2 ontwerpt niet één sleutel, maar een hele lade vol.
• Het Succes: In tests bleek dat Protenix-v2 bijna 100% van de tijd een werkende sleutel vond. Van de sleutels die ze daadwerkelijk in het lab testten, bleek er bij bijna elk doelwit (van simpele eiwitten tot complexe celmembranen) minstens één te werken.
• De "Zware" Doelen (GPCR's): Sommige ziektes zitten op plekken die erg lastig te bereiken zijn, zoals kleine, trillende deurtjes in de celwand (GPCR's). Dit is als proberen een sleutel te maken voor een slot dat in een trillende auto zit. Protenix-v2 slaagde erin om hier toch medicijnen voor te vinden, zelfs met een heel klein budget voor experimenten.

B. De "Veilige" Medicijnen (Ontwikkelbaarheid)

Het is niet genoeg om een medicijn te vinden dat werkt; het moet ook veilig en stabiel zijn.

• De Analogie: Stel je voor dat je een auto bouwt die razendsnel is, maar die uit elkaar valt als je erin stapt. Dat is geen goed ontwerp. Protenix-v2 ontwerpt medicijnen die niet alleen snel zijn, maar ook stevig en betrouwbaar.
• Het Resultaat: De ontworpen medicijnen waren extreem stabiel en veroorzaakten geen ongewenste reacties in het lichaam. Ze waren klaar voor de fabriek.

---

3. De Twee Extra Trucs in de Muts 🎩

Naast het maken van medicijnen tegen ziektes, heeft Protenix-v2 nog twee speciale vaardigheden:

1. De Chemische Controleur (Kleine Moleculen):
   Soms moet je een medicijn maken dat niet uit een groot eiwit bestaat, maar uit een klein chemisch stofje.

   • Het Probleem: Computers maken soms chemische foutjes, zoals een atoom op de verkeerde kant van een binding zetten (alsof je een handspiegel in de hand neemt en denkt dat het je eigen hand is).
   • De Oplossing: Protenix-v2 heeft een ingebouwde "chemische politie" die controleert of de vorm van het molecuul logisch en veilig is. Het voorkomt dat er "onmogelijke" chemische structuren worden ontworpen.

2. De Virus-Expert (SARS-CoV-2):
   Virussen veranderen vaak (zoals de Omicron-variant van het coronavirus). Een medicijn dat tegen de oude variant werkt, werkt soms niet meer tegen de nieuwe.

   • De Oplossing: Protenix-v2 ontwierp een "super-antilichaam" dat werkt tegen zowel de oude versie van het virus als de nieuwe, gemuteerde versie. Het is alsof je een sleutel maakt die past in zowel het oude slot als het nieuwe, gewijzigde slot.

---

🌟 Conclusie: Waarom is dit belangrijk?

Vroeger duurde het jaren om een nieuw medicijn te vinden en te testen. Veel pogingen mislukten omdat de ontwerpen niet goed waren.

Met Protenix-v2 kunnen wetenschappers:

• Sneller zijn: Ze vinden oplossingen in dagen of weken in plaats van jaren.
• Slimmer zijn: Ze kunnen medicijnen maken tegen ziektes die voorheen "onmogelijk" leken (zoals de lastige GPCR-doelen).
• Veiliger zijn: De medicijnen zijn van hoge kwaliteit en minder waarschijnlijk dat ze fouten bevatten.

Kortom: Protenix-v2 is een krachtige nieuwe tool die de weg vrijmaakt voor snellere, betere en veiligere medicijnen voor de toekomst. Het is alsof we van een fiets zijn gestapt en nu een raket hebben om de wereld van ziektes te bestrijden. 🚀💊

Technische samenvatting

Titel: Protenix-v2: Het verbreden van de reikwijdte van structuurvoorspelling en biomoleculair ontwerp

1. Het Probleem

De ontwikkeling van nieuwe geneesmiddelen vereist nauwkeurige modellen die niet alleen de gevouwen structuren van biomoleculen kunnen voorspellen, maar ook de interactie-interfaces en de kwaliteit van kandidaat-interacties. Bestaande systemen kampen met uitdagingen op drie gebieden:

• Antilichaam-Antigeen Voorspelling: Het voorspellen van de geometrie van interfaces tussen antilichamen en antigenen is extreem moeilijk, ondanks therapeutisch belang.
• Zero-shot Ontwerp: Het genereren van nieuwe binders (zoals antilichamen) voor nieuwe doelen zonder voorafgaande experimentele data ("zero-shot") is vaak inefficiënt en resulteert in slechte "hit rates", vooral bij moeilijke doelen zoals G-proteïnegekoppelde receptoren (GPCRs) met kleine, flexibele epitopen.
• Chemische Realisme: Voorspellingen van kleine moleculen (liganden) voldoen vaak niet aan fundamentele chemische regels (zoals chirality of planariteit), wat de bruikbaarheid voor medicijnontwikkelaars beperkt.

2. Methodologie

Protenix-v2 is een geavanceerd systeem dat twee hoofdmodi ondersteunt: het voorspellen/rangen van biomoleculaire structuren en het genereren/prioriteren van kandidaat-binders.

• Training en Data: Het model is getraind zonder gegevens uit de wwPDB die na 30 september 2021 zijn vrijgegeven, om data-lekkage te voorkomen en eerlijke evaluaties op nieuwe data mogelijk te maken.
• Architectuur: Het bouwt voort op eerdere Protenix-versies met architecturale verfijningen en trainingsoptimalisaties, maar behoudt dezelfde input-output instellingen. Het ondersteunt flexibele, doel-geconditioneerde generatie voor diverse formaten (miniproteïnen, VHH, Fv, volledige mAbs).
• Specifieke Innovaties:
  • Training-Free Guidance (TFG): Voor ligandvoorspelling worden varianten (Protenix-v2-TFG) gebruikt die constraints opleggen op chirality, planariteit en torsie-geometrie zonder extra training, geïnspireerd door methoden zoals SHAKE en geprojecteerde diffusie.
  • Granulaire Controle: Bij antilichaamontwerp kunnen CDR-lussen onafhankelijk worden toegewezen met specifieke lengtebereiken, en kunnen vooraf gedefinieerde frameworks worden geïntegreerd.

3. Belangrijkste Bijdragen en Resultaten

A. Verbeterde Antilichaam-Antigeen Structuurvoorspelling

• Prestaties: Protenix-v2 toont aanzienlijke verbeteringen op drie antibody-benchmarks (PXMeter-AB, FoldBench-AB, AF3-AB).
• Verbetering: Er is een winst van tot 13 procentpunten ten opzichte van Protenix-v1 bij DockQ > 0,23, met vergelijkbare grote winsten in de striktere regime (DockQ > 0,8).
• Efficiëntie: Het model toont een enorme sprong in sampling-efficiëntie. De prestatie met slechts 5 zaden (seeds) overtreft de resultaten van Protenix-v1 met 1000 zaden. Het presteert nu duidelijk beter dan AlphaFold3 in antilichaam-modellering.

B. Zero-shot Antilichaam Ontwerp en Hit-Discovery

• Oplosbare Doelen: Op een paneel van nieuwe doelen (inclusief BoltzGen en Chai-2 targets) bereikte Protenix-v2 een 100% succesrate op doelniveau (minimaal één experimenteel bevestigde binder per doel). De BLI-bevestigde hit rates varieerden van 2% tot 48%.
• Ontwikkelbaarheid: De gevonden hits vertonen uitstekende ontwikkelpotentie: 100% thermostabiliteit, 98% zelf-interactie en 93% polyreactiviteit. Ze vertegenwoordigen diverse structurele clusters.
• Moeilijke Doelen (GPCRs): Op GPCR-doelen (bekend om hun kleine, flexibele epitopen) bereikte het model met een zeer beperkt testbudget (16-30 ontwerpen per doel) hit rates van 16%–88% voor VHH-Fc en tot 50% voor volledige mAbs.
• Ranking: Model-rankers binnen Protenix-v2 selecteerden binders met een hogere respons dan menselijke experts, hoewel menselijke experts meer structurele diversiteit selecteerden.

C. Verbeterde Chemische Realisme (Liganden)

• Validatie: Door het gebruik van TFG (Training-Free Guidance) en strengere validatiecriteria (beyond PoseBusters), bereikte Protenix-v2-TFG een succesrate van 60,46% op de PXM-22to25-Ligand testset (RMSD < 2Å én geldige chemische structuur). Dit is een significante verbetering ten opzichte van Boltz-1x (53,96%) en vergelijkbaar met Boltz-2x (zonder data-overlap).
• Foutreductie: Het model corrigeert veelvoorkomende fouten zoals gedraaide amidegroepen en incorrecte vlakheid rond sp2/sp3 centra.

D. Cross-Variant Design

• SARS-CoV-2: Het model ontwierp succesvol mini-bindingsmoleculen die zowel binden aan de prototype RBD als aan de Omicron (B.1.1.529) variant, met nanomolaire affiniteiten. Dit toont het vermogen om compenserende mechanismen te ontwerpen voor virale evolutie.

4. Significatie

Protenix-v2 markeert een belangrijke stap in de versnelling van de geneesmiddelenontdekking:

1. Robuustheid: Het bewijst dat AI-modellen betrouwbaar "zero-shot" antilichamen kunnen ontwerpen voor zowel standaard als uiterst moeilijke doelen (GPCRs), wat eerder een grote uitdaging was.
2. Efficiëntie: De enorme sprong in sampling-efficiëntie (5 seeds vs 1000 seeds) maakt experimentele validatie veel goedkoper en sneller.
3. Chemische Nauwkeurigheid: De integratie van fysiek-chemische constraints in de generatieve processen verhoogt de bruikbaarheid van de output voor medicijnchemici aanzienlijk.
4. Breedte: Het systeem is niet beperkt tot antilichamen, maar breidt zich uit naar kleine moleculen en cross-variant binders, wat het een veelzijdig platform maakt voor therapeutische ontwikkeling.

Kortom, Protenix-v2 stelt een nieuw niveau van prestaties neer voor zowel het voorspellen van complexe biomoleculaire interacties als het genereren van nieuwe, ontwikkelbare therapeutische kandidaten.