Temperature transferable Machine Learned Coarse Grained model for proteins

Resumo Técnico: Modelo de Aprendizado de Máquina de Granularidade Grossa para Proteínas com Transferibilidade de Temperatura

Definição do Problema
Simulações moleculares de granularidade grossa (CG - coarse-grained) são essenciais para o estudo de grandes sistemas biológicos em escalas de tempo longas, mas sua precisão tem sido historicamente limitada pela dificuldade de definir interações efetivas. Avanços recentes em aprendizado de máquina (ML) melhoraram os potenciais de CG ao aproximar o Potencial de Média de Força (PMF) utilizando Redes Neurais de Grafos (GNNs). No entanto, uma limitação crítica persiste: os modelos de MLCG (Aprendizado de Máquina para Granularidade Grossa) padrão são tipicamente treinados em um único estado termodinâmico. Eles codificam implicitamente tanto as contribuições energéticas quanto as entrópicas dentro de um único potencial efetivo, carecendo de transferibilidade de temperatura. Consequentemente, esses modelos não conseguem extrapolar ou interpolar consistentemente entre diferentes temperaturas, nem prever quantidades termodinâmicas dependentes da temperatura, como a capacidade térmica ($c_V$), que requer uma separação explícita entre energia e entropia.

Metodologia
Os autores propõem um framework de MLCG termodinamicamente informado que decompõe explicitamente o PMF de CG ($W$) em seus componentes energético ($U_W$) e entrópico ($S_W$), aderindo à relação $W = U_W - TS_W$.

1. Restrição Termodinâmica por Construção:
   Em vez de utilizar termos de penalidade suaves na função de perda, os autores impõem uma relação termodinâmica exata entre energia e entropia diretamente dentro da arquitetura da rede neural. Ao utilizar a relação $\frac{\partial U_W}{\partial T} - T \frac{\partial S_W}{\partial T} = 0$, eles projetam uma rede restrita onde a saída do modelo não restrito é transformada para satisfazer essa condição. Isso garante que o modelo permaneça fisicamente fundamentado durante a extrapolação.

2. Objetivo de Treinamento Conjunto:
   O modelo é treinado usando uma função de perda multiobjetivo que combina:

   • Correspondência de Forças (FM - Force Matching): Minimizar a diferença entre as forças de CG e as forças atômicas mapeadas para aproximar o PMF completo.
   • Correspondência de Energia (EM - Energy Matching): Minimizar a diferença entre o componente energético previsto ($U_W$) e o potencial de energia atômica de referência.
     Esta otimização conjunta permite que o modelo aprenda simultaneamente o landscape de energia livre correto e sua decomposição energética.

3. Priors e Deslocamentos Dependentes da Temperatura:
   Para garantir a estabilidade física (prevenindo o estiramento não físico de ligações ou sobreposições) e contabilizar deslocamentos de energia média, o framework incorpora:

   • Priors dependentes da temperatura para termos ligados (ligações, ângulos, diedros), derivados analiticamente para características distribuídas Gaussianamente.
   • Um deslocamento de energia global ($U_W^{shift} = aT + b$) para alinhar as flutuações de energia atômica com os dados de treinamento. Os autores observam que, embora um deslocamento linear estabilize o treinamento, correções polinomiais de ordem superior podem ser aplicadas post-hoc para melhorar as previsões termodinâmicas sem o retreinamento da GNN.

4. Dataset:
   O framework foi validado na proteína Chignolin (CLN025) usando um dataset extensivo de $\sim$250 $\mu$s de simulações de Dinâmica Molecular (MD) atômica através de cinco temperaturas (300 K a 400 K). A representação de CG mapeia cada resíduo para um único grânulo $C_\alpha$.

Principais Resultados

• Consistência Termodinâmica: Diferente das linhas de base de temperatura única, que falham em manter o equilíbrio correto entre os estados dobrado (folded) e não dobrado (unfolded) quando testadas fora de sua temperatura de treinamento, o modelo dependente da temperatura reproduz com precisão os perfis de energia livre da referência atômica em todo o intervalo de 300–400 K. Isso é válido tanto para interpolação (350 K) quanto para extrapolação (300 K, 400 K).
• Previsão de Capacidade Térmica: O estudo demonstra que o framework pode recuperar a capacidade térmica isocórica ($c_V$), uma quantidade inacessível para modelos MLCG padrão. Embora o deslocamento de energia linear inicial tenha sido insuficiente para uma previsão precisa de $c_V$, a aplicação de uma simples correção escalar post-hoc (ajuste de polinômios de ordem superior à energia média) permitiu que o modelo correspondesse com precisão à capacidade térmica atômica sem o retreinamento da GNN.
• Desacoplamento de Estrutura e Energia: Os resultados sugerem que as características estruturais aprendidas pela GNN são desacopladas do baseline energético global. A capacidade térmica é primariamente governada por um deslocamento energético independente da estrutura, que pode ser refinado eficientemente via ajustes escalares.

Significância e Alegações
O artigo afirma fornecer um caminho fisicamente fundamentado para simulações de MLCG com transferibilidade termodinâmica. Ao impor a consistência termodinâmica através de restrições arquiteturais em vez de regularização de perda, o modelo garante um comportamento fisicamente consistente através de regimes de temperatura. O trabalho destaca que a decomposição explícita do PMF em componentes energético e entrópico é essencial para:

1. Extrapolar com precisão os landscapes de energia livre para temperaturas não treinadas.
2. Prever observáveis dependentes da temperatura, como a capacidade térmica.
3. Permitir uma abordagem modular onde o aprendizado estrutural (GNN) pode ser separado dos deslocamentos energéticos globais, permitindo previsões termodinâmicas de alta precisão via correções post-hoc de baixo custo.

Os autores concluem que esta abordagem supera as limitações dos atuais modelos MLCG de estado único, oferecendo um método robusto para simular sistemas biomoleculares complexos sob variadas condições termodinâmicas.