Resumo Técnico: GeoCycler

Declaração do Problema

Peptídeos cíclicos oferecem potencial terapêutico significativo devido à sua topologia de anel fechado, que aumenta a estabilidade e a especificidade do alvo. No entanto, o design de novo dessas moléculas usando modelos generativos profundos permanece desafiador. Diferentemente dos peptídeos lineares, os peptídeos cíclicos devem satisfazer um conjunto complexo de restrições geométricas esparsas, não suaves e composicionais. Um candidato válido requer tanto pré-requisitos químicos discretos (por exemplo, resíduos âncora compatíveis ou motivos de ligante) quanto restrições geométricas contínuas (por exemplo, distâncias de fechamento, geometria local de junção e arranjos de múltiplos loops acoplados).

As abordagens existentes dependem principalmente de orientação no momento da inferência (como Orientação Livre de Classificador, CFG) para direcionar modelos de difusão pré-treinados a satisfazer essas restrições. Os autores argumentam que isso trata a viabilidade como uma correção externa, em vez de uma propriedade aprendida pelo gerador. Quando a distribuição base é fracamente enviesada em direção ao fechamento cíclico, a orientação no momento da inferência deve compensar uma incompatibilidade entre o prior aprendido e a variedade de restrições desejada, levando a resultados pouco confiáveis, particularmente sob restrições esparsas ou acopladas.

Metodologia: GeoCycler

O artigo propõe o GeoCycler, um quadro de alinhamento de difusão ponderado por recompensa projetado para deslocar o controle de ciclização da correção de amostragem post-hoc para o alinhamento de política no momento do treinamento. O quadro ajusta finamente um modelo de difusão latente condicional para aumentar a probabilidade de gerar estruturas consistentes com o fechamento sob sua própria distribuição.

Componentes Principais

1. Recompensa em Escada Ativada por Tipo:

   • Motivação: O feedback baseado em distância só é significativo se os tipos de resíduos ou ligantes pré-requisito estiverem presentes. Atribuir recompensas de distância a âncoras quimicamente incompatíveis fornece sinais enganosos.
   • Mecanismo: A função de recompensa $R(M|C)$ é fatorada em um portão binário de tipo $I[C_{type}(M)]$ e um componente de distância. O componente de distância usa uma recompensa em escada limitada:
     • A recompensa total é concedida se o fechamento exato por proxy for satisfeito.
     • Feedback intermediário e limitado é fornecido para amostras "quase viáveis" com base em uma função de forma.
     • Nenhuma recompensa é atribuída se os pré-requisitos químicos (por exemplo, resíduos âncora específicos) não forem atendidos.
   • Este design fornece feedback geométrico denso, evitando atualizações a partir de configurações quimicamente inválidas.

2. Objetivo de Alinhamento Ponderado por Recompensa:

   • O GeoCycler coleta amostras terminais do gerador atual, decodifica-as e as pontua usando a recompensa específica da topologia.
   • Essas pontuações são usadas para reponderar as atualizações padrão de remoção de ruído da difusão direta. A perda de alinhamento é definida como:
     $$L_{align}(\theta) = \mathbb{E} \left[ r_i \lambda(t) \| \tilde{\epsilon}_\theta(z_t, t, P, C) - \epsilon \|_2^2 \right]$$
     onde $r_i$ é o peso de recompensa normalizado.
   • O quadro emprega ponderação de recompensa apenas positiva, reforçando amostras de maior recompensa sem ajustar explicitamente um conjunto negativo heterogêneo, o que é argumentado ser mais adequado para restrições geométricas esparsas onde falhas podem surgir de muitas causas não relacionadas.

3. Treinamento com Múltiplas Topologias e Replay:

   • Um único gerador condicional é alinhado em quatro topologias distintas de macrociclização: amarrada (stapled), cabeça-cauda, dissulfeto e bicíclica.
   • Para melhorar a eficiência de amostragem e estabilizar o treinamento, um buffer de replay FIFO armazena latentes terminais e recompensas. Mini-lotes misturam amostras recém-coletadas com padrões de alta recompensa reproduzidos, prevenindo a perda rápida de padrões de fechamento viáveis e raros durante a amostragem on-policy.

Contribuições Principais

1. Quadro de Alinhamento no Momento do Treinamento: O artigo reinterpreta a macrociclização de peptídeos cíclicos como um problema de alinhamento híbrido discreto-contínuo e esparso. Adapta o aprendizado por reforço de difusão do processo direto para a geração de estrutura 3D condicionada a restrições, deslocando o controle da orientação no momento da inferência para a otimização do próprio gerador.
2. Recompensa Substituta Ativada por Tipo: Um design de recompensa inovador que separa a compatibilidade do âncora pré-requisito da geometria contínua de fechamento. Ao ativar o modelamento baseado em distância apenas após o atendimento das condições de tipo, fornece feedback denso e quimicamente significativo para objetivos esparsos de fechamento de anel.
3. Gerador Unificado: Diferentemente de métodos que treinam modelos separados para diferentes químicas, o GeoCycler alinha um único gerador em múltiplas topologias (amarrada, cabeça-cauda, dissulfeto, bicíclica), demonstrando que regularidades de fechamento geométrico podem ser compartilhadas entre estratégias.

Resultados Experimentais

O quadro foi avaliado no benchmark LNR (Conjunto de Dados Grande Não Redundante) usando as métricas pass@5 (sucesso se pelo menos um dos cinco candidatos satisfizer a restrição) e pass@1.

• Ganhos de Desempenho: O GeoCycler alcançou as maiores taxas de sucesso pass@5 em todas as quatro topologias em comparação com bases fortes (PepGLAD, amostragem guiada por energia e CP-Composer).
  • Cabeça-cauda: Melhorou o sucesso em 20,8 pontos percentuais sobre o CP-Composer (75,27% $\to$ 96,06%).
  • Dissulfeto: Melhorou de 85,06% para 94,63%.
  • Bicíclico: Melhorou de 3,45% para 11,49%, um ganho significativo dada a dificuldade de restrições de múltiplos loops acoplados.
• Fidelidade Distribucional: As melhorias não foram impulsionadas por desvio distribucional severo. O GeoCycler manteve estatísticas de aminoácidos (AA-KL) e diédricos de cadeia principal (B-KL) comparáveis ao modelo base e ao CP-Composer.
• Estudos de Ablação:
  • Remover o portão de tipo ou o termo de modelamento reduziu significativamente o desempenho, validando a necessidade de feedback denso ativado quimicamente.
  • O alinhamento apenas positivo superou alternativas positivas/negativas, sugerindo que focar em amostras viáveis é mais eficaz do que tentar modelar diversos modos de falha.
  • Buffers de replay e treinamento unificado (modelo único vs. modelos específicos de topologia) ambos contribuíram para taxas médias de sucesso mais altas.
• Validação Post-Hoc: Uma verificação de consistência estrutural baseada em OpenMM confirmou que as amostras do GeoCycler mantiveram a geometria de fechamento e evitaram colisões estéricas severas mais efetivamente do que as bases após relaxamento local, particularmente para topologias cabeça-cauda e dissulfeto.

Significado e Alegações

O artigo alega que o alinhamento no momento do treinamento a restrições geométricas esparsas é uma alternativa promissora a depender exclusivamente de correção no momento da amostragem post-hoc. Ao adaptar a política de difusão para que estruturas consistentes com o fechamento se tornem mais prováveis sob a própria distribuição do gerador, o GeoCycler aborda as limitações da orientação no momento da inferência no manuseio de restrições não suaves e composicionais.

Os autores posicionam o GeoCycler não como um novo gerador de cadeia principal, mas como um método para alinhar um modelo de difusão condicional pré-treinado. Os resultados sugerem que o treinamento ponderado por recompensa pode promover efetivamente o fechamento terminal da cadeia principal e coordenar restrições de múltiplas arestas acopladas (como visto em peptídeos bicíclicos) sem sacrificar as estatísticas de peptídeos aprendidas. O trabalho destaca que a viabilidade da macrociclização depende da compatibilidade de tipos químicos locais e geometria 3D, um problema ao qual o ajuste fino supervisionado padrão é mal adaptado para resolver.