Resumo Técnico: De Bolsas Holo a Densidade Eletrônica: Design de Fármacos no Estilo GPT com Densidade

1. Declaração do Problema

Os métodos atuais de design de fármacos baseado em estrutura (SBDD) tipicamente condicionam a geração de moléculas a "bolsas" de ligação "vazias" derivadas de complexos proteína-ligante holo. Essa abordagem envolve remover o "preenchimento" (ligantes e moléculas de solvente) para construir um andaime estático e rígido. Os autores argumentam que essa formulação assume implicitamente que a bolsa de ligação pode ser representada com precisão por uma única conformação estática, suprimindo assim a flexibilidade intrínseca da proteína e falhando em capturar adaptações conformacionais associadas à ligação do ligante.

Embora alguns campos relacionados tentem abordar a flexibilidade da proteína por meio de conjuntos de bolsas, estes são difíceis de integrar em frameworks generativos unificados. Além disso, os métodos existentes de geração guiada por densidade eletrônica (DE) frequentemente dependem de DE derivada de bolsas vazias e rígidas, que podem ser fracas ou mal resolvidas em regiões flexíveis. O artigo postula que a DE de preenchimento (densidade eletrônica derivada do ligante e do solvente proximal) é tipicamente bem definida, validada experimentalmente e localizada espacialmente, oferecendo um sinal de condicionamento mais confiável e informativo que codifica naturalmente a flexibilidade conformacional e os padrões de interação.

2. Metodologia: EDMolGPT

Os autores introduzem o EDMolGPT, um framework autoregressivo apenas com decodificador projetado para gerar moléculas de fármacos 3D condicionadas a densidade eletrônica (DE) de baixa resolução representada como nuvens de pontos.

2.1. Sinal de Condicionamento: Densidade Eletrônica (DE)

O método utiliza dois tipos de DE para permitir pré-treinamento unificado e integração experimental:

• DE Calculada (CalED): Derivada analiticamente de coordenadas atômicas usando modelos de espalhamento físico (Transformada Rápida de Fourier) para pré-treinamento em larga escala eficiente.
• DE Experimental (ExpED): Obtida de reconstruções de criomicroscopia eletrônica (cryo-EM) ou difração de raios-X. Isso captura ruído de medição, flexibilidade conformacional e todas as interações de preenchimento.

Geração de Nuvem de Pontos:

• Mapas de DE são reconstruídos via transformação inversa de Fourier truncada.
• Nuvens de pontos 3D são amostradas a partir desses mapas.
• Para enriquecer características químicas, cada ponto recebe um tipo de farmacóforo (Doador de Ligação de Hidrogênio, Aceitador, Ambos ou Outro) com base em sua distância mínima aos átomos no preenchimento original.
• Os pontos são ordenados por coordenadas espaciais (x, y, z) para fornecer uma ordem de entrada consistente para o modelo autoregressivo.

2.2. Representação Molecular

Para superar as limitações do SMILES padrão na geração 3D autoregressiva (que frequentemente produz conformações fisicamente inconsistentes), o modelo usa FSMILES (SMILES de Fragmentos) combinado com características geométricas relativas:

• FSMILES: Uma versão modificada da representação Lingo3DMol que decompõe moléculas em fragmentos, preservando estruturas de anéis e evitando fragmentação excessiva.
• Coordenadas 3D Discretizadas: Coordenadas espaciais são centralizadas, escalonadas e arredondadas para uma grade inteira delimitada.
• Tokens Geométricos Relativos: Para cada átomo, o modelo prevê comprimento de ligação relativo, ângulo de ligação e ângulo diedro em relação aos três átomos precedentes na sequência. Isso modela explicitamente dependências estruturais locais.

2.3. Arquitetura e Treinamento

• Arquitetura: Um Transformer apenas com decodificador (estilo GPT-2) com 24 camadas. Ele recebe como entrada uma sequência concatenada de tokens de nuvem de pontos e tokens de molécula.
• Estratégia de Treinamento:
  • Pré-treinamento: Realizado em CalED em larga escala derivada de conjuntos de dados públicos (~2 milhões de moléculas curadas).
  • Ajuste Fino: Realizado em ExpED derivada de medições experimentais (PDBbind), que são mais realistas, mas limitadas em quantidade.
• Inferência: Moléculas são geradas token por token. Enquanto FSMILES e tokens geométricos são amostrados via amostragem com temperatura, as coordenadas 3D são recuperadas restringindo o espaço de amostragem a uma superfície esférica definida pelas características geométricas relativas previstas (comprimento de ligação, ângulo, diedro) e as posições dos três átomos gerados anteriormente. Isso garante consistência geométrica.

3. Contribuições Principais

1. Condicionamento Baseado em Preenchimento: O trabalho é o primeiro a incorporar diretamente a densidade derivada de cryo-EM/Raios-X do preenchimento (incluindo solvente) na modelagem generativa para SBDD, afastando-se de representações de bolsas vazias rígidas.
2. Framework EDMolGPT: Introdução de um modelo autoregressivo apenas com decodificador para design de fármacos 3D condicionado a nuvens de pontos de DE de baixa resolução, combinando simplicidade, flexibilidade e alta eficiência.
3. Integração Unificada de Pré-treinamento e Experimental: A capacidade de usar densidades calculadas e experimentais permite pré-treinamento escalável seguido de ajuste fino em dados experimentais realistas.
4. Validação no DUD-E: Avaliação extensa em 101 alvos biológicos demonstrando a geração de moléculas com conformações 3D favoráveis e bioatividade.

4. Resultados Experimentais

O modelo foi avaliado no conjunto de dados DUD-E (101 alvos) contra métodos SBDD de última geração (Pocket2Mol, TargetDiff, Lingo3DMol, MolCRAFT) e métodos guiados por DE (ED2Mol, ECloudGen).

• Recuperação de Moléculas Bioativas: O EDMolGPT alcançou a maior taxa de recuperação (41% dos alvos), gerando com sucesso moléculas com similaridade Tanimoto ECFP4 > 0,5 em relação aos ativos conhecidos. Isso superou linhas de base como Pocket2Mol (8%) e Lingo3DMol (33%).
• Afinidade de Ligação: No protocolo "min-in-place" (minimizando a conformação gerada dentro da bolsa), o EDMolGPT alcançou a menor pontuação Glide média (-6,92), indicando conformações de ligação à bolsa superiores em comparação com outros modelos. Além disso, 37% das moléculas geradas exibiram modos de ligação superiores aos obtidos via amostragem clássica de campo de força (redocking).
• Estabilidade Conformacional: Apesar de não possuir refinamento de campo de força pós-processamento (diferentemente do ED2Mol), o EDMolGPT produziu moléculas com energias de tensão comparáveis a outros modelos de ponta (percentil 25: 33 kcal/mol).
• Propriedades Semelhantes a Fármacos: O modelo gerou moléculas com valores competitivos de QED (0,57) e SAS (3,79), mantendo pesos moleculares próximos aos ligantes de referência (~385 Da), ao contrário de algumas linhas de base que geraram moléculas menores e mais simples para inflar artificialmente o QED.
• Desempenho com DE Experimental (ExpED): Quando condicionado a ExpED, o EDMolGPT gerou ligantes bioativos que seriam rejeitados por suposições de bolsas rígidas devido a choques estéricos. Os autores observam que esses ligantes ocupam regiões que são flexíveis na realidade, mas aparecem rígidas em estruturas estáticas, destacando a capacidade do método de capturar variabilidade conformacional.

5. Significado e Alegações

O artigo afirma que o EDMolGPT oferece uma mudança de paradigma no design de fármacos baseado em estrutura, aproveitando sinais de densidade eletrônica contínua e fundamentados fisicamente, em vez de abstrações geométricas rígidas. Ao fundamentar a geração na densidade do "preenchimento" (ligante + solvente), o modelo leva naturalmente em conta a flexibilidade conformacional e os padrões de interação que representações de bolsas estáticas ignoram.

Os autores afirmam que essa abordagem permite a geração de moléculas novas e válidas com geometria estrutural precisa e forte compatibilidade de ligação, validada por altas taxas de recuperação de moléculas bioativas e pontuações de acoplamento favoráveis em mais de 100 alvos. O trabalho sugere que o uso de nuvens de pontos de DE de baixa resolução permite a exploração de espaços químicos inacessíveis a métodos que dependem de suposições de bolsas rígidas, potencialmente superando limitações nas atuais pipelines de triagem virtual.