Resumo Técnico: AgForce Habilita o Design Generativo de Anticorpos Condicionado ao Antígeno

1. Declaração do Problema

O design de anticorpos terapêuticos requer a geração de Regiões Determinantes de Complementaridade (CDRs), especificamente o loop CDR-H3 altamente variável, que se liguem a um antígeno alvo. Embora modelos generativos profundos tenham sido desenvolvidos para condicionar o design de anticorpos à estrutura do antígeno, uma avaliação sistemática revela uma falha crítica: os métodos existentes ignoram amplamente a entrada do antígeno.

Os autores identificam três modos de falha causalmente ligados nas abordagens mais avançadas atuais (especificamente Redes Neurais em Grafos equivariantes com decodificação gulosa):

1. Cegueira ao Antígeno: Os modelos produzem sequências de CDR quase idênticas, independentemente do antígeno alvo. Uma linha de base sem antígeno frequentemente alcança qualidade de ligação comparável à dos modelos condicionados ao antígeno, indicando que os mecanismos de condicionamento contribuem pouco.
2. Colapso de Vocabulário: As distribuições de aminoácidos previstas são severamente restritas, com vocabulários efetivos colapsando para 3–5 aminoácidos por posição (comparado a ~15,5 em sequências nativas). Resíduos raros, mas bioquimicamente críticos, são quase nunca previstos.
3. O Teto da Entropia Cruzada: Os autores provam teoricamente que minimizar a perda padrão de entropia cruzada por posição força o preditor ótimo a convergir para a distribuição marginal posicional (a frequência empírica de aminoácidos em cada posição através do conjunto de treinamento), independentemente do sinal de condicionamento. Esta propriedade matemática torna provadamente impossível que objetivos padrão de entropia cruzada gerem previsões específicas ao antígeno.

2. Metodologia: AGFORCE

Para abordar esses modos de falha, os autores propõem o AGFORCE, uma nova arquitetura codificador-decodificador projetada para o co-design de sequência e estrutura.

Arquitetura do Codificador

• Dropout do Framework: Para impedir que o modelo dependa do framework do anticorpo como um "atalho" (ignorando o antígeno), os embeddings do framework da cadeia pesada são corrompidos via dropout (30% de probabilidade) antes da passagem de mensagens. Isso força o modelo a extrair informações do caminho do antígeno.
• VirtualNode-EGNN: O complexo anticorpo-antígeno é representado como um grafo heterogêneo. O codificador utiliza uma Rede Neural em Grafos Equivariante a E(3) (EGNN) aumentada com nós virtuais. Esses nós virtuais criam um canal de informação de dois saltos entre os resíduos do epítopo e do CDR, mitigando o problema de "excesso de esmagamento" onde informações distantes do epítopo se diluem durante a passagem sequencial de mensagens.
• Atenção Cruzada Hiperbólica: Em vez da atenção Euclidiana padrão, o AGFORCE realiza atenção cruzada de CDR para epítopo no hiperboloide de Lorentz. Isso aproveita a natureza hierárquica da ligação anticorpo-antígeno, onde a geometria global do epítopo restringe as escolhas locais de aminoácidos.

Arquitetura do Decodificador

• Rede de Densidade de Mistura (MDN) com Acoplamento Pares: Para romper o teto da entropia cruzada, o AGFORCE substitui o cabeçalho de sequência linear padrão por uma MDN. O decodificador prevê uma mistura de $K=4$ componentes. Cada componente utiliza uma matriz de acoplamento simétrica (tipo Potts) para modelar preferências de pares de aminoácidos entre posições adjacentes, refinadas via propagação de crenças.
• Aprendizado de Múltipla Escolha Anelado (aMCL): O modelo é treinado usando aMCL em vez da verossimilhança de mistura padrão. Um parâmetro de temperatura $\tau$ é anelado de alto para baixo durante o treinamento. Isso permite que os componentes explorem soluções diversas inicialmente e depois se especializem em atribuições de "vencedor leva tudo" para subconjuntos específicos de exemplos de treinamento. Teoricamente, isso permite que previsões de componentes individuais diferam da marginal posicional global, rompendo assim o teto.
• Regularização de Diversidade GDPP: Uma função de perda de Processo Pontual Determinantal Generativo (GDPP) é aplicada aos componentes da mistura para penalizar desvios da diversidade nativa, contrapondo diretamente o colapso de vocabulário.
• Perda de Classificação de Antígeno: Um cabeçalho especializado roteia gradientes através das distribuições de sequência previstas de volta ao espaço de embeddings do antígeno. Usando um objetivo InfoNCE, essa perda força as distribuições de probabilidade de CDR previstas a codificar a identidade específica do antígeno, garantindo que o modelo não possa ignorar o antígeno.

Objetivo de Treinamento

A função de perda total combina cinco termos:

1. Previsão de sequência (MDN-Potts com aMCL).
2. Previsão de coordenadas (perda Smooth-$\ell_1$ nas coordenadas do esqueleto do CDR).
3. Perda de parátopo sombra (impondo distâncias corretas à superfície do epítopo).
4. Regularização de diversidade GDPP.
5. Perda de classificação de antígeno.

3. Contribuições Principais

1. Framework Diagnóstico: O artigo fornece a primeira identificação sistemática de três modos de falha (cegueira ao antígeno, colapso de vocabulário e o teto da entropia cruzada) em métodos de GNNs equivariantes para design de CDR, verificados em cinco famílias de arquiteturas.
2. Arquitetura AGFORCE: Uma intervenção direcionada para cada modo de falha:
   • Dropout do framework e perda de consistência do antígeno para abordar a cegueira.
   • Cabeçalho MDN-Potts com aMCL e regularização GDPP para abordar o colapso de vocabulário e o teto da entropia cruzada.
   • Atenção cruzada hiperbólica e nós virtuais para codificação estrutural aprimorada.
3. Prova Teórica: Uma prova formal demonstrando que a otimização padrão de entropia cruzada converge para a marginal posicional, e que o objetivo aMCL proposto admite soluções que rompem essa convergência.

4. Resultados Experimentais

O modelo foi avaliado no CHIMERA-BENCH, um conjunto de dados de referência de 2.922 complexos anticorpo-antígeno com uma divisão por grupo de epítopo.

• Recuperação de Sequência: O AGFORCE alcançou uma Recuperação de Aminoácidos (AAR) de 0,40, superando as linhas de base de sequência mais fortes (RAAD, MEAN, dyMEAN), que convergiram para ~0,37. Isso representa uma melhoria de 8% sobre a linha de base mais forte e rompe o teto de entropia cruzada identificado.
• Qualidade de Ligação: O AGFORCE alcançou desempenho state-of-the-art em todas as métricas de ligação simultaneamente:
  • Maior fração de contatos nativos (fnat = 0,67).
  • Menor RMSD de interface (iRMSD = 1,30 Å).
  • Melhor DockQ (0,74) e F1 de epítopo (0,77).
  • Superou o RefineGNN (uma linha de base forte sem nenhuma entrada de antígeno), demonstrando a eficácia das funções de perda específicas utilizadas.
• Diversidade: O vocabulário efetivo do AGFORCE foi de 9,4, quase o dobro das linhas de base de GNN (3,0–5,5) e aproximando-se da diversidade nativa (15,5). O modelo produziu 95,5% de sequências únicas em todos os complexos de teste, comparado a 20,9–76,4% para as linhas de base.
• Estudos de Ablação: Remover a atenção hiperbólica ou o dropout do framework degradou significativamente a qualidade de ligação. Remover a perda de classificação de antígeno reduziu as métricas de ligação enquanto melhorava a perplexidade, confirmando seu papel como um regularizador que troca calibração por especificidade de ligação.

5. Significado e Alegações

Os autores afirmam que o AGFORCE demonstra que a escolha da função de perda e do cabeçalho do decodificador é mais crítica do que a arquitetura do codificador para o design de sequências condicionadas neste domínio. Ao ir além da entropia cruzada padrão e da decodificação gulosa, o artigo mostra que é possível otimizar simultaneamente para recuperação de sequência, precisão estrutural e especificidade ao antígeno.

O trabalho sugere que as falhas anteriores no design condicionado ao antígeno não foram devidas à falta de capacidade do modelo ou de dados, mas sim a limitações fundamentais nos objetivos de treinamento (teto da entropia cruzada) e estratégias de decodificação (decodificação gulosa). O AGFORCE fornece um remédio principiante, alcançando o melhor desempenho simultâneo em qualidade de ligação e recuperação de sequência até a data.

Limitações Reconhecidas:

• AAR de contato (precisão em posições de ligação direta) permanece comparável às linhas de base, sugerindo que prever aminoácidos exatos em interfaces de ligação é um problema mais difícil, potencialmente exigindo modelagem explícita de rotores de cadeia lateral.
• Embora o vocabulário efetivo tenha quase dobrado, ele ainda fica aquém da diversidade nativa total.