Conditioned Generative Modeling of Molecular Glues: A Realistic AI Approach for Synthesizable Drug-like Molecules

Resumo Técnico: Modelagem Generativa Condicionada de Colas Moleculares para a Degradação de Aβ42

Definição do Problema
A doença de Alzheimer (DA) é impulsionada pelo acúmulo patológico intracelular de beta-amiloide 42 (Aβ42), que causa disfunção sináptica e neurodegeneração. Embora as placas extracelulares sejam bem caracterizadas, o Aβ42 intracelular representa um driver tóxico precoce que permanece difícil de atingir. As estratégias terapêuticas existentes, como inibidores de secretase e imunoterapias, enfrentam obstáculos significativos, incluindo toxicidade off-target, problemas de penetração na barreira hematoencefálica (BHE) e falta de especificidade. Embora o sistema ubiquitina-proteassoma (UPS) ofereça um mecanismo para degradar agregados intracelulares, a natureza propensa à agregação do Aβ42 dificulta seu reconhecimento natural pelo UPS. As colas moleculares — pequenas moléculas que induzem interações entre ligases E3 e proteínas alvo — apresentam uma solução promissora devido ao seu pequeno tamanho e potencial de permeabilidade à BHE. No entanto, os métodos tradicionais de descoberta são lentos e demandam muitos recursos, enquanto os modelos generativos de IA existentes frequentemente lutam com validade química, coerência estrutural e a capacidade de condicionar a geração a alvos proteicos específicos.

Metodologia
O estudo emprega um pipeline computacional integrado combinando modelagem baseada em estrutura, triagem ADMET e um novo framework de aprendizado profundo:

1. Preparação Estrutural e Identificação de Sítio:

   • A estrutura do Aβ42 foi derivada de dados de criomicroscopia eletrônica (PDB: 7Q4B). Utilizando o SiteMap da Schrödinger, um bolso de ligação acessível ao solvente na superfície da fibrila foi identificado como um sítio viável para a formação de complexos ternários, evitando regiões enterradas ou estericamente impedidas.
   • Três ligases E3 — VHL, CRBN e MDM2 — foram selecionadas com base em suas propriedades estruturais e sucesso prévio em degradação direcionada. Suas estruturas cristalinas foram preparadas para docking.

2. Triagem Virtual e Validação de Complexo Ternário:

   • Bibliotecas de compostos da Vitas e ChEMBL foram filtradas usando critérios ADMET (Regra de Cinco de Lipinski, regras de Veber, responsabilidade hERG, etc.), retendo 65.998 moléculas com características de fármacos.
   • O docking molecular foi realizado para avaliar a formação de complexos ternários (Aβ42 + ligase E3 + cola molecular). Os principais candidatos foram submetidos a simulações de dinâmica molecular (MD) de todos os átomos de 100 ns usando o campo de força OPLS4 para avaliar a estabilidade. Os resultados indicaram montagens ternárias estáveis com redes persistentes de ligações de hidrogênio.

3. Desenvolvimento de VAE de Árvore de Junção Condicionada por Ligase (LC-JT-VAE):

   • Arquitetura: Os autores estenderam o padrão Junction Tree Variational Autoencoder (JT-VAE) para abordar duas limitações: a falta de contexto proteico e a ausência de dados conformacionais 3D.
   • Integração Torsional: A representação do grafo molecular foi aprimorada pela incorporação explícita de ângulos de torção (diedros) para ligações rotacionáveis, computados via RDKit, para capturar a flexibilidade conformacional.
   • Condicionamento Proteico: As sequências de aminoácidos dos sítios de ligação de CRBN, VHL e MDM2 foram codificadas usando ProtBERT (um modelo transformer) e refinadas via redes BiLSTM; essas representações (embeddings) foram fundidas com o espaço latente molecular através de concatenação e mecanismos de atenção cruzada (cross-attention).
   • Treinamento: O modelo foi treinado no conjunto de dados filtrado e priorizado por docking sobre um loss de função β-VAE ao longo de 2000 épocas, otimizando a precisão de reconstrução (topologia, palavra e estereoquímica) e a continuidade do espaço latente.

Principais Resultados

• Caracterização do Dataset: O conjunto de treinamento de 65.998 compostos foi estratificado por afinidade de docking (Alta, Baixa, Nenhuma) para cada ligase. Os ligantes de alta afinidade mostraram motivos estruturais distintos (ex: aromáticos substituídos para VHL, bifenilos para MDM2) e perfis ADMET específicos (PM 300–500 Da, lipofilicidade moderada).
• Desempenho do Modelo: O LC-JT-VAE gerou moléculas com alta validade química (>96% em todas as ligases).
  • Modelo VHL: 96,30% de validade, 85,19% de unicidade, 81,48% de novidade.
  • Modelo CRBN: 100% de valididade, 82% de unicidade, 80% de novidade.
  • Modelo MDM2: 97,87% de validade, 97,87% de unicidade, 93,62% de novidade.
• Diversidade Química e Especificidade: A visualização t-SNE confirmou que as moléculas geradas ocupavam regiões distintas do espaço químico, permanecendo dentro dos limites de propriedades de fármacos. A análise de cross-docking demonstrou forte seletividade de alvo; compostos projetados para uma ligase específica mostraram pontuações de docking significativamente melhores contra seu alvo pretendido em comparação com ligases off-target (ex: compostos específicos para VHL apresentaram média de -5,84 kcal/mol para VHL vs. ~-4,1 kcal/mol para os outros).
• Realismo Conformacional: A análise de RMSD entre conformeros gerados independentemente apresentou desvios negligíveis (próximos a 0 Å), validando que a inclusão de ângulos de torção produziu com sucesso geometrias 3D estáveis e de baixa energia.
• Insights Estruturais: Os compostos gerados exibiram farmacóforos específicos de ligase, como funcionalidades éster/amida para VHL, sistemas aromáticos policíclicos para MDM2 e motivos inspirados em talidomida para CRBN.

Significância e Alegações
O artigo afirma apresentar uma abordagem de IA realista para a síntese de colas moleculares com propriedades de fármaco, adaptadas para alvos de doenças neurodegenerativas. A principal contribuição é o framework LC-JT-VAE, que integra com sucesso embeddings de sequência proteica e características de ângulo de torção em um modelo generativo baseado em grafos. Essa integração permite a geração condicional de moléculas que não são apenas quimicamente válidas e novas, mas também especificamente otimizadas para os ambientes de ligação de distintas ligases E3.

Os autores sustentam que esta abordagem oferece um framework promissor para o design de terapias direcionadas ao UPS, especificamente para a degradação do Aβ42 intracelular. Ao demonstrar a capacidade de gerar complexos ternários estáveis in silico e produzir moléculas com alta seletividade de alvo, este estudo posiciona este pipeline integrado como uma estratégia viável para intervenção precoce na doença de Alzheimer e um método generalizável para o direcionamento de outras proteínas agregantes "não-medicáveis" (undruggable). O trabalho enfatiza que ir além de modelos baseados em sequência para modelos baseados em grafos, conscientes da conformação e condicionados por proteínas é crítico para o avanço da descoberta de fármacos via IA em contextos neurodegenerativos complexos.