Quantum-Inspired Hamiltonian Feature Extraction for ADMET Prediction: A Simulation Study

Resumo Técnico: Extração de Características Hamiltoniana Inspirada em Quântica para Predição ADMET

Autores: B. Maurice Benson, Kendall Byler, Anna Petroff, Shahar Keinan, William J Shipman (Polaris Quantum Biotech).
Contexto: Estudo de simulação utilizando backend de GPU (PennyLane lightning.gpu) para validar uma abordagem de aprendizado de máquina quântico inspirada em Hamiltonianos para propriedades farmacocinéticas e toxicológicas (ADMET).

1. O Problema

A previsão precisa das propriedades de Absorção, Distribuição, Metabolismo, Excreção e Toxicidade (ADMET) é um gargalo crítico na descoberta de fármacos. Cerca de 50% das falhas no desenvolvimento de medicamentos devem-se a propriedades ADMET desfavoráveis.

• Limitação Atual: Métodos baseados em molecular fingerprints (como ECFP, Avalon, ErG) são eficazes para capturar características estruturais locais, mas tratam os bits de características de forma independente.
• A Lacuna: Eles falham em capturar correlações de ordem superior entre subestruturas moleculares (ex.: a interação entre um doador e um aceitador de ligação de hidrogênio em uma distância específica), que são cruciais para propriedades como permeabilidade de membrana ou toxicidade.

2. Metodologia

O estudo propõe um pipeline de seis etapas que integra características clássicas com características derivadas de simulação quântica:

1. Geração de Features (MapLight): Criação de um vetor de 2.563 dimensões concatenando contagens de ECFP, Avalon, ErG e propriedades físico-químicas (RDKit).
2. Pré-filtragem por Informação Mútua (MI): Cálculo da Informação Mútua ($I(X_i; Y)$) entre cada bit do fingerprint e o alvo binário. Selecionam-se os top 100 bits mais informativos para reduzir o ruído e focar recursos quânticos.
3. Descoberta de Pares/Tríades: Cálculo da Informação Mútua Par ($I(X_i; X_j)$) e Triádica entre os bits filtrados para identificar subestruturas que co-ocorrem frequentemente.
4. Codificação Quântica (Hamiltoniana):
   • Os bits selecionados são mapeados para qubits.
   • Constrói-se um Hamiltoniano parametrizado onde os bits correlacionados tornam-se qubits emaranhados.
   • O Hamiltoniano é da forma: $H(x) = \sum x_i \sigma_z^i + \sum c_{ij} \sigma_z^i \sigma_z^j + \sum c_{ijk} \sigma_z^i \sigma_z^j \sigma_z^k$, onde os acoplamentos ($c$) derivam dos valores de MI.
   • O estado inicial evolui sob este Hamiltoniano por um tempo $t$ (simulado via Trotterização).
5. Extração de Features: Os valores esperados de Pauli-Z ($\langle \psi(t) | \sigma_z | \psi(t) \rangle$) são extraídos como novos vetores de características (40–80 dimensões).
6. Classificação: As características quânticas são concatenadas com as características originais do MapLight e alimentadas em um classificador CatBoost.

Ambiente de Simulação: Utilização do backend lightning.gpu do PennyLane para simulação exata de vetores de estado (20–28 qubits), viabilizando cálculos que seriam proibitivos em hardware quântico atual (NISQ).

3. Principais Contribuições

1. Seleção Guiada por MI: Uma abordagem para selecionar quais bits de fingerprint emaranhar, focando recursos quânticos em características estatisticamente informativas e suas interações.
2. Avaliação Abrangente: Teste em 10 benchmarks de ADMET do Therapeutic Data Commons (TDC), cobrindo metabolismo, absorção e toxicidade.
3. Análise de Importância (SHAP): Demonstração de que as características quânticas, embora representem apenas 1,6% do total de features, contribuem com até 33% da importância do modelo em certas tarefas.
4. Validação de Baselines: Comparação contra baselines clássicas, incluindo expansão polinomial de interações de grau 2, provando que os ganhos não são meramente devidos à enumeração explícita de interações clássicas.

4. Resultados

O método foi comparado contra uma baseline MapLight (sem features quânticas) e uma baseline com interações polinomiais clássicas.

• Desempenho Geral: O método melhorou o desempenho em 8 de 10 benchmarks.
• Estado da Arte (SOTA): Alcançou o melhor resultado reportado na liderança do TDC para predição de substrato CYP3A4 (AUROC 0.673 ± 0.004).
• Ganhos Significativos:
  • hERG: +2.7% de melhoria (AUROC 0.871).
  • CYP3A4: +2.6% de melhoria.
  • BBB_Martins e PGP_Broccatelli: Melhorias estatisticamente significativas (p < 0.05).
• Casos de Não Melhoria: A tarefa AMES (mutagenicidade) mostrou uma leve regressão (-0.2%). O artigo interpreta isso como uma validação positiva, sugerindo que a mutagenicidade envolve mecanismos diversos onde correlações estruturais específicas não dominam, diferentemente da cardiotoxicidade hERG.
• Eficiência de Features: Análise SHAP revelou que features quânticas dominam a importância do modelo em tarefas como CYP2D6 (33.4% de importância total), apesar de serem minoria no vetor de entrada.
• Custo Computacional: A simulação de estado vetorial escala exponencialmente com o número de qubits (20-28 qubits). O tempo de extração de features varia de 2 a 20 minutos por benchmark, mas o custo de treinamento do modelo é baixo.

5. Significância e Conclusão

• Validação de Conceito: O estudo estabelece que a codificação Hamiltoniana extrai informações de interação de ordem superior complementares aos fingerprints clássicos, validando a utilidade de abordagens inspiradas em quântica mesmo em simulação clássica.
• Eficiência de Dados: A abordagem é particularmente valiosa para conjuntos de dados pequenos (300–1.000 moléculas nos benchmarks TDC), onde o viés indutivo da codificação quântica compensa a escassez de dados.
• Caminho para Hardware: O pipeline é compatível com backends de hardware real (ex.: IBM Quantum via Qiskit). O próximo passo lógico é a validação em dispositivos NISQ reais, utilizando mitigação de ruído (como ZNE), embora o ruído possa degradar a qualidade das features extraídas.
• Impacto Prático: Demonstra que features quânticas podem ser "catalisadoras" de performance em modelos clássicos (CatBoost), oferecendo uma rota viável para integração de computação quântica na descoberta de fármacos antes da maturidade total do hardware quântico.

Disponibilidade de Código: O código será liberado após a publicação do manuscrito.
Conflito de Interesses: Os autores são funcionários da Polaris Quantum Biotech.