🧬 biology

TACTIVS: Test-time actives induction for flexible target-specific virtual screening

TACTIVS is een test-time actieve inductiekader dat een voorgetraind moleculair fundamenteel model benut om flexibele, doel-specifieke virtuele screening uit te voeren door label-vrije kalibratie en connectiviteit-gewogen graafpropagatie te combineren, waarbij competitieve verrijking wordt bereikt zonder model-fijninstelling vereist te hebben, zelfs wanneer de query- en ondersteunende actieven tot verschillende chemische series behoren.

Oorspronkelijke auteurs: Douglas Houston, Lin Chen, Haoying Wang, Andreas Luttens, Pedro Ballester

Gepubliceerd 2026-10-09

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Douglas Houston, Lin Chen, Haoying Wang, Andreas Luttens, Pedro Ballester

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

In de vroege stadia van het ontdekken van een nieuw medicijn worden wetenschappers geconfronteerd met een naald-in-een-hooibergprobleem. Ze moeten enorme bibliotheken met miljo's chemische verbindingen doorzoeken om die handvol te vinden die mogelijk succesvol kan binden aan een specifieke ziekte-doelwit en dit kan stoppen met het veroorzaken van schade. Traditioneel hebben onderzoekers vertrouwd op twee hoofdstrategieën om deze zoektocht te verkleinen. Eén benadering kijkt naar de fysieke vorm van het doelwit, zoals een slot, en probeert een sleutel te vinden die erin past. De andere kijkt naar bekende werkende sleutels — moleculen die al bewezen hebben het doelwit te activeren — en zoekt naar andere die er vergelijkbaar uitzien. Terwijl de eerste methode gedetailleerde 3D-kaarten van het doelwit vereist, is de tweede afhankelijk van het hebben van ten minste één werkend voorbeeld om mee te beginnen. De uitdaging ontstaat wanneer wetenschappers zeer weinig voorbeelden hebben, bijvoorbeeld slechts één bevestigd actief molecuul, en meer moeten vinden zonder tijd te verspillen aan miljo's doodlopende wegen.

Een team van onderzoekers van de University of Edinburgh, het Karolinska Institutet en Imperial College London heeft een nieuwe methode ontwikkend genaamd TACTIVS om dit specifieke probleem op te lossen. In plaats van telkens een complex computermodel opnieuw te trainen wanneer een nieuw actief molecuul wordt ontdekt, wat meestal een grote hoeveelheid data vereist, werkt TACTIVS door onmiddellijk te reorganiseren hoe de computer de gehele bibliotheek van chemicaliën bekijkt. Het systeem neemt een bevroren, vooraf getraind begrip van moleculaire vormen en gebruikt de enkele bekende actieve moleculen om de zoektocht direct te hervormen. Het doet dit door een kaart te creëren waarbij de bekende actieve moleculen als bakens fungeren. Het systeem volgt vervolgens paden door de bibliotheek, waarbij het niet alleen zoekt naar moleculen die exact op de bakens lijken, maar ook naar die die via een keten van chemische gelijkenissen met hen verbonden zijn. Dit stelt het systeem in staat om veelbelovende kandidaten te vinden die er heel anders uit kunnen zien dan de startvoorbeelden, maar nog steeds tot dezelfde functionele familie behoren.

De onderzoekers testten deze benadering op verschillende grote, standaard datasets die worden gebruikt om de prestaties van virtuele screening te benchmarken. In één test met bijna 150 verschillende biologische doelwitten was de nieuwe methode in staat om actieve moleculen veel effectiever te identificeren dan bestaande technieken wanneer er slechts één bekend actief molecuul beschikbaar was. Wanneer het team het aantal bekende actieve voorbeelden verhoogde naar tien, verbeterde het vermogen van de methode om de juiste verbindingen te vinden aanzienlijk, waarbij het zowel traditionele vorm-overeenkomsttools als andere geavanceerde leer-gebaseerde systemen overtrof. Cruciaal was dat de methode bewees actieve moleculen te kunnen vinden, zelfs wanneer deze chemisch verschillend waren van de startvoorbeelden. In een strikte test, waarbij de bekende actieve moleculen en de doelverbindingen uit volledig verschillende chemische families kwamen, slaagde het systeem er nog steeds in om de juiste verbindingen veel hoger te rangschikken dan een willekeurige kans zou toelaten. Dit suggereert dat de methode niet louter nauwe kopieën van de startmoleculen vindt, maar succesvol het bredere chemische landschap navigeert om nieuwe soorten effectieve medicijnen te vinden.

De kern van dit succes ligt in de manier waarop het systeem met de data omgaat. In plaats van de interne instellingen van het computermodel aan te passen om bij het nieuwe doelwit te passen, wat onstabiel kan zijn met zeer weinig data, pasten de onderzoekers de manier aan waarop de data wordt gemeten. Ze pasten een wiskundige transformatie toe die achtergrondruis verwijdert en de specifieke verschillen die er toe doen voor de huidige zoektocht accentueert. Dit stelt het systeem in staat om de relaties tussen moleculen duidelijker te zien. Door een directe vergelijking met de bekende actieve moleculen te combineren met een bredere analyse van hoe moleculen met elkaar verbonden zijn in de bibliotheek, creëert het systeem een rangschikking die evolueert naarmate er meer informatie beschikbaar komt. Als een wetenschapper tijdens een experiment een nieuwe actieve verbinding ontdekt, kan hij deze simpelweg aan de lijst toevoegen, en het systeem herrekent de rangschikkingen onmiddellijk zonder dat er opnieuw getraind hoeft te worden.

Dit werk demonstreert dat de waarde van een enkel experimenteel resultaat gemaximaliseerd kan worden door het te gebruiken om een flexibele, bibliotheekbrede zoektocht te sturen. De bevindingen suggereren dat voor veel processen in de medicijnontwikkeling, vooral waar data schaars is, de meest effectieve strategie niet is om een nieuw model voor elk doelwit te bouwen, maar om een gedeeld, robuust begrip van chemie te gebruiken en de zoekstrategie on the fly aan te passen. De onderzoekers ontdekten dat naarmate er meer actieve moleculen aan de referentieset werden toegevoegd, de kwaliteit van de zoektocht gestaag verbeterde, wat bevestigt dat de methode leert van de cumulerende bewijslast. Door te bewijzen dat een systeem vast kan blijven terwijl de zoekstrategie zich aanpast aan nieuwe doelwitten, biedt deze benadering een praktische en efficiënte weg voorwaarts voor het identificeren van nieuwe medicijnen in de vroege, data-arme stadia van ontdekking.

Technische Samenvatting: TACTIVS

Probleemstelling
Virtuele screening (VS) is een hoeksteen van de vroege stadia van medicijnontwikkeling, maar het maximaliseren van de waarde uit beperkte experimentele data blijft een aanzienlijke uitdaging, met name in het "few-shot" regime waarbij slechts een klein aantal bekende actieve moleculen beschikbaar is. Traditionele ligand-gebaseerde virtuele screening (LBVS) vertrouwt op vooraf gedefinieerde gelijkenis-metrieken of uitlijningsregels, die vaak niet in staat zijn om rekening te houden met de bredere organisatie van de kandidaatbibliotheek. Daarentegen vereisen recente structuur-gebaseerde few-shot methoden vaak aanvullende doelwit-specifieke training of modeladaptatie (bijv. het finetunen van parameters), wat computationeel duur is en gevoelig is voor overfitting wanneer de data schaars is. Een centrale onopgeloste uitdaging is hoe men flexibele, doelwit-specifieke rangschikkingen kan bereiken direct tijdens de testtijd zonder encoders te hertrainen of doelwit-specifieke readouts aan te passen, terwijl de relationele structuur van de gehele screeningsbibliotheek nog steeds benut kan worden.

Methodologie
De auteurs introduceren TACTIVS (Test-time ACTIves induction for flexible target-specific VS), een ligand-gebaseerd transductief inferentiekader. In tegen tegenstelling tot conventionele benaderingen die kandidaten behandelen als onafhankelijke gelijkenis-vergelijkingen of parameterupdates vereisen, construeert TACTIVS een doelwit-specifieke rangschikking door bewijs te propageren van bekende actieven door een buurtgrafiek van de gehele kandidaatbibliotheek.

De workflow bestaat uit drie primaire stadia:

Frozen Representatie en Embedding Cache:
TACTIVS maakt gebruik van een vooraf getraind Equivariant Pretrained Transformer (EPT) model. De encoder wordt gedurende het hele proces bevroren gehouden. Moleculaire conformeren uit de screeningsbibliotheek en referentie-actieven worden gecodeerd in 512-dimensionale vectoren. Deze vectoren worden gecached om herhaalde codering te voorkomen. Cruciaal is dat het framework een gedeelde covariantie-schatting gebruikt, afgeleid van een onafhankelijk, grootschalig moleculair corpus (PDBscreen trainingspartitie) in plaats van de specifieke doelwitbibliotheek. Dit voorkomt statistische instabiliteit wanneer doelwitbibliotheken klein zijn.
Label-vrije Kalibratie (Whitening):
Om de anisotropie van vooraf getrainde representaties aan te pakken, past TACTIVS een whitening-transformatie toe. Het centreert de embeddings met behulp van het molecuul-gebalanceerde gemiddelde van de huidige doelwitbibliotheek en past een symmetrische inverse-kwadratische-wortel whitener toe op basis van de gedeelde, shrinkage-geregulariseerde covariantie-matrix. Dit transformeert de embeddings naar een ruimte waar richtingen met een hoge variantie in de pretraining-distributie de gelijkenis-metriek niet domineren, waardoor de informatie effectiever toegankelijk wordt voor eenvoudige gelijkenis-gebaseerde retrieval.
Transductieve Inferentie via Grafische Propagatie:
De inferentie combineert twee bronnen van bewijs:
- Directe Actief-Referentie Gelijkenis: Kandidaten worden gescoord op basis van hun directe gelijkenis met de conformeren van de bekende actieve referenties.
- Grafisch Gepropageerd Relationeel Bewijs: Een gewogen buurtgrafiek wordt geconstrueerd over de gehele bibliotheek (inclusclusief zowel actieven als kandidaten) met behulp van de gekalibreerde embeddings. Bekende actieven "zaaien" de grafiek met activiteitsbewijs. Dit bewijs wordt vervolgens door de grafiek gepropageerd met behulp van een random walk met restart-mechanisme. Dit stelt kandidaten die geen directe buren van een actieve zijn, in staat om toch ondersteuning te ontvangen als ze verbonden zijn via tussenliggende moleculen, waardoor meerstaps moleculaire paden worden gevangen.
De uiteindelijke rangschikkingsscore is een lineaire combinatie van de gestandaardiseerde directe gelijkenis en de gepropageerde grafische score. Het framework vereist geen encoder fine-tuning of doelwit-specifieke readout fitting; het past zich uitsluitend aan door de selectie van referentiemoleculen en de context van de bibliotheek.

Belangrijkste Bijdragen

Test-Time Adaptatie zonder Training: TACTIVS bereikt doelwit-specificiteit door bekende actieven te contextualiseren binnen de kandidaat-manifold tijdens de inferentie, waardoor de noodzaak voor parameterupdates of aanvullende trainingsdata wordt geëlimineerd.
Transductieve Grafische Propagatie: Het introduceert een bibliotheek-niveau inferentie-aanpak waarbij de screeningscollectie zelf deel wordt van het inferentieproces, waardoor bewijs door het moleculaire netwerk kan stromen in plaats van enkel te vertrouwen op paarwijze gelijkenis.
Robuuste Covariantie-kalibratie: Het gebruik van een gedeelde, externe covariantie-schat voor whitening zorgt voor een stabiele kalibratie, zelfs wanneer de doelwitbibliotheek klein of chemisch redundant is, wat de instabiliteit bij het schatten van covariantie uit few-shot data voorkomt.
Chemische Serie Generalisatie: De methode is ontworpen om actieve moleculen te extraheren die tot verschillende chemische series behoren dan de referentieset, waarmee het verder gaat dan het ophalen van nauwe structurele analogen.

Resultaten
De auteurs hebben TACTIVS geëvalueerd op twee belangrijke benchmark-families: VSDS-vd (TrueDecoy en RandomDecoy subsets) en LIT-PCBA.

Prestaties op VSDS-vd: TACTIVS presteerde aanzienlijk beter dan state-of-the-art baselines, inclusief structuur-gebaseerde docking (bijv. Glide, AutoDock), hybride methoden en andere ligand-gebaseerde benaderingen. Met een enkele actieve referentie behaalde TACTIVS een EF@0.5% van 19.09 op TrueDecoy, wat de beste gepubliceerde baseline van 6.91 aanzienlijk overtrof. De prestaties verbeterden consistent naarmate het aantal referentie-actieven ( $K$ ) toenam, waarbij een EF@1% van 34.13 werd bereikt bij $K=10$ .
Prestaties op LIT-PCBA: In een vergelijking met zero-shot modellen (ConGLUDe) en few-shot adaptatie modellen (Drug-few), demonstreerde TACTIVS superieure vroege verrijking. Bij $K=8$ behaalde het een BEDROC van 0.182, waarmee het zowel het 8-shot Drug-few model als het zero-shot ConGLUDe model overtrof.
Series-Disjoint Evaluatie: Onder strikte evaluatieprotocollen waarbij referentie- en query-actieven tot verschillende chemische series behoorden (ECFP4 Tanimoto gelijkenis < 0.5), behield TACTIVS substantiële vroege verrijking. Dit bevestigde dat de methode niet louter nauwe analogen terugvindt, maar kan generaliseren naar nieuwe chemotypes binnen de bibliotheek.
Ablatie-studies: Het verwijderen van de covariantie whitening-transformatie resulteerde in een significante daling van de prestaties (bijv. een daling van 20.32 punten in EF@1% op RandomDecoy), wat het belang van de kalibratiestap onderstreept. Het verwijderen van de grafische propagatie-component verminderde de prestaties eveneens, wat de waarde van relationeel bewijs bevestigt.

Betekenis en Claims
Het artikel beweert dat TACTIVS vooraf getrainde moleculaire representaties positioneert als aanpasbare substraten voor flexibele doelwit-specifieke screening. De auteurs stellen dat doelwit-specificiteit geen parameterupdates vereist; in plaats daarvan kan het natuurlijk ontstaan wanneer een algemene inferentieprocedure bekende actieven binnen de kandidaat-manifold contextualiseert.

Het werk stelt een verschuiving in perspectief voor voor virtuele screening voor: het onderscheid tussen de novo screening (waarbij geen actieven bekend zijn) en incrementele screening (waarbij experimentele hits beschikbaar zijn). TACTIVS adresseert dit laatste en biedt een praktische route om de waarde van schaarse experimentele data te maximaliseren door nieuwe actieven direct de daaropvolgende rangschikkingen te laten informeren zonder hertraining. De auteurs positioneren dit als een vorm van generalisatie waarbij een gedeelde representatie en een inferentieregel tijdens de testtijd worden gespecialiseerd door middel van transductieve redenering, wat een datamentefficiënt alternatief biedt voor de paradigma's van few-shot learning die afhankelijk zijn van parameteradaptatie.

Meer zoals dit