FreeSolvE: Solvent-Mediated Differentiable Pose Refinement and Ultra-Fast Biophysical Inductive Bias for Molecular Generation and Docking
FreeSolvE is een innovatieve, ultra-snelle differentiële engine die de kloof tussen generatieve AI en fysieke biofysica overbrugt door impliciete solvatie en gearticuleerde kinematica te gebruiken om sterische botsingen in moleculaire docking-posities met hoge nauwkeurigheid en minimale computationele overhead op te lossen.
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
Het ontwerpen van nieuwe medicijnen begint vaak met een eenvoudige, driedimensionale puzzel: hoe past een minuscuul medicijnmolecuul in de complexe, gevouwen vorm van een eiwitdoelwit in het menselijk lichaam? Decennialang hebben wetenschappers vertrouwd op computersimulaties om deze pasvorm te voorspellen, in de hoop een vorm te vinden die het medicijn op zijn plaats vergrendelt om een ziekte te stoppen. In de afgelopen jaren heeft kunstmatige intelligentie dit veld getransformeerd door hulpmiddelen aan te bieden die miljoenen potentiële medicijnvormen in enkele seconden kunnen genereren. Deze snelle, statistische modellen hebben echter een kritiek gebrek. Omdat ze voornamelijk zijn getraind op statische afbeeldingen van moleculen, produceren ze vaak vormen die op papier correct lijken, maar in de werkelijkheid fysiek onmogelijk zijn. Ze kunnen twee atomen zo dicht bij elkaar plaatsen dat ze elkaar heftig zouden afstoten, of ze negeren het feit dat het medicijn in water drijft, en niet in een vacuüm. Deze "geestmoleculen" zijn wiskundig elegant maar biologisch defect, wat leidt tot een crisis waarbij de meest veelbelovende door AI gegenereerde kandidaten onmiddellijk falen wanneer ze worden getest tegen de wetten van de fysica.
Een onderzoeker aan de PES University in Bangalore, Arjun Subbaraman, heeft een nieuwe aanpak geïntroduceerd genaamd FreeSolvE om deze kloof tussen kunstmatige intelligentie en de fysieke realiteit te overbruggen. In plaats van te proberen de AI elke fysieke regel vanaf nul te laten leren, bouwde Subbaraman een gespecialiseerde engine die fungeert als een snelle, fysieke realiteitscontrole voor deze digitale moleculen. Het kernidee is om het medicijn en het eiwit te behandelen alsof ze ondergedompeld zijn in water, want dat is hoe het leven er in werkelijkheid uitziet. In het menselijk lichaam omringt water elk molecuul, waarbij het fungeert als een kussen dat elektrische krachten dempt en de niet-waterminnende delen van een medicijn in de schuilplaatsen van het eiwit duwt. Subbarams systeem gebruikt dit concept van water als bemiddelaar om de fouten van AI-modellen onmiddellijk te corrigeren. Het raadt niet alleen waar een molecuul naartoe moet gaan; het berekent hoe het omringende water het molecuul zou duwen en trekken totdat het een stabiele, botsingsvrije positie vindt.
De innovatie ligt in de manier waarop deze berekening wordt uitgevoerd. Traditionele methoden die watermoleculen één voor één simuleren zijn extreem traag en kosten vaak uren of zelfs dagen om een enkele medicijnvorm in een geldige vorm te laten ontspannen. Deze methoden zijn ook fragiel; als het computerprogramma een ontbrekend atoom of een vreemde chemische groep tegenkomt, crasht het vaak. Subbarams systeem vermijdt deze valkuilen door een "continuüm"-aanpak te gebruiken. In plaats van individuele watermoleculen te volgen, behandelt het water als een gladde, continue vloeistof die de ruimte rond het eiwit vult. Hierdoor kan de computer de fysica van het systeem in een fractie van een seconde oplossen. De software berekent de elektrische krachten en de druk van het water op het medicijnmolecuul met behulp van een wiskundige techniek die is geoptimaliseerd om te draaien op standaard computerprocessoren, wat betekent dat het geen dure, gespecialiseerde supercomputers vereist om te werken.
Wanneer het werd getest tegen een rigoureuze set van vijftig echte medicijn-eiwitparen, waren de resultaten opmerkelijk. De AI-modellen faalden, vóór de correctie, in het produceren van een fysiek geldige vorm in bijna alle gevallen, waarbij slechts twee procent van de initiële gissingen de basisveiligheidscontroles doorstond. Na het doorlopen van de FreeSolvE-engine sprong het succespercentage naar tweeënvijftig procent. Deze verbetering vond plaats in een gemiddelde van slechts 2,33 seconden per medicijn. Om de snelheid van deze simulatie in perspectief te plaatsen: een traditionele simulatie die elk watermolecuul afzonderlijk simuleert, zou ongeveer twaalf uur in beslag nemen om een vergelijkbaar niveau van ontspanning te bereiken. Het nieuwe systeem is meer dan achttien duizend keer sneller, waardoor onderzoekers duizenden medicijnkandidaten kunnen testen in de tijd die vroeger nodig was om er slechts één te testen.
Naast het simpelweg repareren van slechte vormen, verandert het systeem ook hoe deze AI-modellen worden getraind. Meestal wordt een computer gestraft voor slechts een lichte afwijking in positie wanneer hij probeert medicijnvormen te voorspellen. Het "weet" niet dat twee atomen niet dezelfde ruimte kunnen innemen. Door deze nieuwe watergebaseerde physics engine direct in het trainingsproces in te bedden, leert de AI om vanaf het begin onmogelijke vormen te vermijden. In experimenten bleef een standaard AI-model dat zonder deze hulp werd getraind, hangen in een staat van constante botsing, waarbij het zelfs na vele pogingen niet in staat was zijn fouten te herstellen. Het model dat met de nieuwe engine werd getraind, elimineerde echter alle fysieke botsingen binnen slechts vijf rondes van training. Het systeem bereikte dit zonder het leerproces te vertragen, waarbij slechts een fractie van een seconde aan elke stap werd toegevoegd.
De onderzoekers waren zorgvuldig in het definiëren van de grenzen van hun werk. Het systeem gaat ervan uit dat het eiwit zelf rigide blijft en niet van vorm verandert om het medicijn te accommoderen, en het houdt geen rekening met specifieke watermoleculen die een brug tussen het medicijn en het eiwit kunnen vormen. Het is ontworpen om de algemene duw- en trekkrachten van de oplosmiddelomgeving te behandelen in plaats van de fijne details van elk afzonderlijk watermolecuul. Ondanks deze grenzen biedt het instrument een krachtige oplossing voor een belangrijke flessenhals in de ontdekking van medicijnen. Het biedt een manier om de razendsnelle voorspellingen van kunstmatige intelligentie onmiddellijk te verankeren in de fysieke wetten die het leven beheersen. Door het mogelijk te maken om de fysieke geldigheid van miljoenen medicijnvormen in realtime te controleren, kan deze aanpak wetenschappers helpen voorbij de huidige beperkingen van AI-gegenereerde ontwerpen te gaan en hun inspanningen te richten op moleculen die werkelijk klaar zijn om in het menselijk lichaam te werken. De code voor dit systeem is nu beschikbaar voor andere wetenschappers om te gebruiken, wat een nieuwe standaard biedt voor het waarborgen dat digitale medicijnontwerpen niet alleen statistisch waarschijnlijk, maar ook fysiek mogelijk zijn.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.