Resumo Técnico: ConTact – Design de CDR de Anticorpos com Foco no Contato via Raciocínio Explícito na Interface

1. Declaração do Problema

Os métodos computacionais atuais para o design de Regiões Determinantes de Complementaridade (CDRs) de anticorpos condicionam-se a estruturas de antígenos para gerar loops de ligação. No entanto, as arquitetões existentes sofrem de uma limitação estrutural fundamental: elas confundem dois subproblemas distintos em um único cabeçalho de previsão.

1. Identificação de Contato: Determinar quais posições da CDR entrarão em contato físico com o antígeno.
2. Seleção de Sequência: Determinar quais aminoácidos colocar nessas posições com base na química local.

As abordagens existentes, incluindo Redes Neurais Gráficas Equivariantes (por exemplo, MEAN, RAAD) e métodos baseados em difusão (por exemplo, DiffAb), tipicamente propagam informações do antígeno através de passagem de mensagens uniforme ou concatenação plana. Isso trata todos os resíduos do antígeno igualmente, independentemente da distância, e força o modelo a aprender implicitamente o raciocínio de contato enquanto prevê sequências simultaneamente. Consequentemente, o sinal do antígeno é diluído em todas as posições, e o modelo aloca capacidade de aprendizado igual para posições sem contato (constrangidas principalmente pela geometria do esqueleto) e posições de contato (constrangidas por interações químicas específicas com o antígeno). Evidências empíricas sugerem que esses métodos não aproveitam efetivamente as informações do antígeno, com previsões permanecendo quase inalteradas mesmo quando o antígeno é removido.

2. Metodologia: A Arquitetura CONTACT

Os autores propõem o CONTACT, uma arquitetura "foco no contato" que decompõe explicitamente o design de CDR em uma cascata de três estágios: Impressão Digital de Complementaridade, Previsão de Contato e Geração de Sequência Guiada por Contato. Esta abordagem aborda o "onde" antes do "o quê".

2.1. Construção e Codificação do Grafo

O complexo anticorpo-antígeno é representado como um grafo heterogêneo contendo resíduos da cadeia pesada, cadeia leve e antígeno, juntamente com tokens delimitadores globais e nós virtuais.

• Nós Virtuais: Nós virtuais especiais conectam-se bidirecionalmente a todos os resíduos de epítopo e CDR, criando um atalho de dois saltos para mitigar o problema de "esmagamento excessivo" (over-squashing), onde informações de epítopos distantes se diluem através da passagem de mensagens sequencial.
• Codificador: Um VirtualNode-EGNN (GNN Equivariante a E(3)) realiza a passagem de mensagens, atualizando simultaneamente os embeddings de resíduos e as coordenadas do esqueleto.

2.2. Decodificador de Três Estágios

A inovação central reside no decodificador, que processa informações sequencialmente:

• Estágio 1: Impressão Digital de Complementaridade
  O modelo comprime as saídas de atenção cruzada em uma "impressão digital" de baixa dimensão para cada posição da CDR, caracterizando a complementaridade de superfície local (por exemplo, ambientes hidrofóbicos versus carregados). Isso é treinado usando uma perda contrastiva (InfoNCE) para garantir que ambientes locais semelhantes produzam impressões digitais semelhantes.

• Estágio 2: Previsão de Contato
  Usando as impressões digitais, os embeddings da CDR e características agregadas dos vizinhos mais próximos do antígeno, um preditor supervisionado estima a probabilidade ($\hat{c}_i$) de que uma posição específica da CDR entrará em contato com o antígeno.

  • Perda: Uma perda de entropia cruzada binária focal é utilizada para lidar com o desequilíbrio de classes (não-contatos superam contatos em 3–5 vezes), focando o aprendizado em posições de fronteira difíceis e ambíguas.

• Estágio 3: Injeção de Complementaridade Local Portada por Contato
  A confiança de contato prevista ($\hat{c}_i$) atua como um portão para injetar seletivamente características locais do antígeno na representação da CDR.

  • Duplo Portão: A injeção é modulada por um portão aprendido ($g_i$) e a confiança de contato ($\hat{c}_i$). Em posições sem contato ($\hat{c}_i \approx 0$), a informação do antígeno é efetivamente zerada, prevenindo ruído de resíduos distantes. Em posições de contato, características do antígeno são injetadas para guiar a seleção de sequência.
  • Atenção Cruzada Viciada por Distância: Um viés espacial Gaussiano é aplicado às pontuações de atenção cruzada, favorecendo vizinhos espaciais e codificando um prior geométrico de que contatos de ligação são espacialmente próximos.

2.3. Objetivo de Treinamento

O modelo é treinado com uma função de perda composta:

• Perda de Sequência Ponderada por Contato ($L_{seq}$): Uma perda de entropia cruzada onde posições previstas como contatos são ponderadas para cima ($w_i = 1 + \alpha \cdot \hat{c}_i$). Isso concentra sinais de gradiente em posições críticas para a ligação.
• Perdas Auxiliares: Inclui perda de coordenadas (smooth-$\ell_1$ nas coordenadas C$\alpha$), perda de pareamento (casamento contrastivo de embeddings de CDR e antígeno), perda de acoplamento (penalizando a distância ao epítopo) e perda contrastiva de impressão digital.

3. Contribuições Principais

1. Decomposição Arquitetural: O artigo identifica a confusão entre identificação de contato e previsão de sequência como um modo de falha primário no design de CDR existente. Propõe um paradigma "foco no contato" que decompõe essas tarefas em uma cascata supervisionada explícita de três estágios.
2. Mecanismo de Injeção Portada por Contato: Um novo mecanismo de duplo portão (portão aprendido $\times$ confiança de contato) que roteia seletivamente informações do antígeno para posições relevantes para a ligação, prevenindo a propagação de ruído para resíduos sem contato.
3. Atenção Viciada por Distância e Perda: A integração de priores geométricos via atenção cruzada viciada por distância e perda de entropia cruzada ponderada por contato para alinhar a capacidade de aprendizado com a esparsidade da interface CDR-antígeno.

4. Resultados Experimentais

O método foi avaliado no CHIMERA-BENCH, um conjunto de dados de 2.922 complexos anticorpo-antígeno, contra onze baselines abrangendo GNNs Equivariantes, Modelos de Difusão/Fluxo, EDOs e Modelos Autoregressivos.

• Qualidade Estrutural: O CONTACT alcançou o menor RMSD de C$\alpha$ (1,63 Å), representando uma melhoria de 7% sobre a próxima melhor baseline (RAAD em 1,75 Å) e uma melhoria de 11% sobre o MEAN.
• Consciência de Epítopo: O CONTACT alcançou a maior pontuação F1 de epítopo (0,79), superando as baselines de GNN (RAAD/MEAN em 0,72) em 10% e o RefineGNN (0,76) em 4%. Isso valida a capacidade do modelo de identificar resíduos relevantes para a ligação.
• Qualidade de Ligação: O modelo alcançou a maior fração de contatos nativos (fnat 0,67) e pontuações DockQ competitivas (0,73).
• Recuperação de Sequência: O CONTACT alcançou a maior Recuperação de Aminoácidos (AAR 0,38) entre todas as baselines. No entanto, o AAR de Contato (CAAR) permaneceu comparável a outros métodos (~0,20), sugerindo que, embora a arquitetura identifique melhor onde ligar, prever a exata identidade do aminoácido nessas posições permanece um gargalo fundamental.

5. Significado e Alegações

O artigo alega que o desempenho superior do CONTACT decorre de sua separação explícita do raciocínio de contato da geração de sequência. Ao fornecer um caminho supervisionado para que informações do antígeno alcancem o cabeçalho de sequência apenas em posições relevantes para a ligação, o modelo evita a "diluição" do sinal observada em arquiteturas de passagem de mensagens uniforme.

Os autores observam que, embora o CONTACT melhore significativamente a qualidade estrutural e a consciência de epítopo, a lacuna entre o AAR geral e o AAR de Contato indica que o gargalo atual não reside na alocação de capacidade de aprendizado, mas no conteúdo de informação das representações de antígeno ao nível de C$\alpha$. Eles sugerem que trabalhos futuros devem explorar representações de antígeno mais ricas (por exemplo, geometria da cadeia lateral, eletrostática de superfície) para resolver completamente a dificuldade de prever identidades de aminoácidos específicas do antígeno.

O artigo conclui que a decomposição "foco no contato" é um passo necessário em direção ao design computacional eficaz de anticorpos, oferecendo uma ponte supervisionada entre a estrutura do antígeno e a especificidade de sequência que os métodos existentes não possuem.