🧬 biology

UMA-Inverse: Ligand-Conditioned Protein Inverse Folding with a Distogram-Supervised Dense Pair Encoder

Este artigo apresenta o UMA-Inverse, um modelo de dobramento inverso compacto e condicionado por ligante que utiliza um codificador de representação de pares densos para propagar a informação do ligante além da interface de ligação, alcançando um desempenho competitivo contra o LigandMPNN ao mesmo tempo em que fornece novas percepções sobre como os codificadores de todos os pares distribuem os sinais do ligante.

Autores originais: William Sobolewski

Publicado 2026-07-10✓ Author reviewed ⓘ

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: William Sobolewski

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Imagine que você é um mestre chef tentando recriar uma receita secreta de um prato que só existe quando um tempero específico e raro (o ligante) é adicionado à panela. Seu objetivo é escrever a lista exata de ingredientes (a sequência de proteína) que fará com que o prato tenha o sabor certo e mantenha sua forma.

Por muito tempo, os melhores chefs usaram um método chamado LigandMPNN. Pense nisso como uma corrente de fofoca no bairro: para descobrir como o tempero afeta toda a panela, o chef pergunta ao ingrediente logo ao lado do tempero, que pergunta ao vizinho ao lado deles, e assim por diante. A mensagem viaja passo a passo. Funciona bem, mas se o tempero estiver no fundo de uma panela enorme, os ingredientes no topo podem nunca ouvir falar dele.

Apresentamos o UMA-Inverse, um assistente de cozinha compacto recém-criado por William Sobolewski. Em vez de uma corrente de fofoca, o UMA-Inverse usa um codificador de representação de pares densos. Imagine isso como uma tela de radar mágica e onipresente que conecta cada ingrediente a todos os outros ingredientes e ao tempero simultaneamente. Ele não apenas passa uma mensagem pela linha; ele atualiza todo o mapa da panela de uma só vez.

O Radar Mágico e o Truque do "Triângulo"

O UMA-Inverse é construído sobre um atalho inteligente. Ele utiliza um sistema de seis blocos chamado PairMixer. Pense nisso como uma equipe de seis chefs que verificam constantemente as distâncias entre cada par de ingredientes usando uma regra especial de "multiplicação de triângulos". Eles observam como três pontos (dois ingredientes e o tempero, ou três ingredientes) se relacionam entre si para entender a forma do prato.

Crucialmente, esta equipe pula o trabalho pesado da "autoatenção" (onde cada ingrediente tenta falar com todos os outros individualmente de uma forma complexa) para economizar tempo. Em vez disso, eles focam puramente na geometria — as formas e distâncias. Para garantir que não estão apenas adivinhando, eles possuem um supervisor de distogramas. Isso é como um chef executivo rigoroso que verifica constantemente a tela do radar e pergunta: "Você está realmente vendo as distâncias corretas entre esses ingredientes?". Isso mantém o modelo honesto e garante que ele entenda a estrutura 3D, não apenas uma lista de palavras.

Os Resultados: Bom, mas Não o Melhor (Ainda)

Quando os autores testaram este novo assistente contra o antigo método de fofoca de bairro (LigandMPFF), os resultados foram uma mistura de eficiência impressionante e limitações honestas.

A Pontuação: Em um teste de temperos de pequenas moléculas, o UMA-Inverse acertou 56,1% dos ingredientes. O método antigo, quando testado sob as exatas mesmas condições pelos autores, obteve 59,8%. Para temperos de metais, o UMA-Inverse marcou 55,1% contra 64,4% do método antigo. Para temperos de nucleotídeos (DNA/RNA), marcou 35,3% comparado a 53,3% do anterior.
O Veredito: O artigo afirma explicitamente que o UMA-Inverse não supera o LigandMPNN em precisão. Ele fica atrás. No entanto, é muito menor e mais rápido, com apenas cerca de 3,3 milhões de parâmetros (comparado aos modelos maiores existentes).

O Superpoder: Ouvindo o Tempero de Longe

É aqui que o U vez o UMA-Inverse brilha. Enquanto a antiga corrente de fofoca (LigandMPNN) para de ouvir o sinal do tempero quando você chega a cerca de 10 Ångströms de distância (uma distância minúscula, mas longa em termos moleculares), o UMA-Inverse mantém o sinal vivo.

Os autores mediram isso observando o quanto as previsões do modelo mudavam quando o tempero estava presente versus quando ele estava oculto. Em distâncias além de 10 Å, o sinal do método antigo caiu para quase zero. O UMA-Inverse, contudo, manteve um sinal forte até 25 Å e além. De fato, nos pontos mais distantes, o sinal do UMA-Inverse era até 30 vezes mais forte que o do método antigo.

O Porém: Só porque o modelo ouve o tempero de longe, não significa que ele use essa informação para cozinhar um prato melhor. O artigo descobriu que essa audição extra não se traduziu em pontuações melhores para a receita final. O modelo é ótimo em saber que "o tempero está por ali", mas ainda tem dificuldade em usar esse conhecimento para escolher os ingredientes perfeitos tão bem quanto o método antigo de corrente de fofoca.

A Falha do "DNA"

Houve uma falha específica que o artigo destaca. Quando o "tempero" era uma grande molécula de DNA ou RNA, o UMA-Inverse falhou em melhorar um modelo básico que nem sequer olhava para o tempero. Os autores explicam que o radar tem um limite: ele só consegue rastrear os 50 átomos mais próximos do centro da proteína. Para um tempero minúsculo, isso é o todo. Mas para uma gigante fita de DNA com centenas de átomos, o radar vê apenas uma fatia pequena e inútil dela. O método antigo de fofoca, por outro lado, envia um batedor local para cada parte do DNA, portanto não perde nada.

A Conclusão

O UMA-Inverse é um baseline compacto e eficiente que prova que uma tela de radar densa e onipresente é uma forma viável de projetar proteínas. Ele consegue se dobrar em formas estáveis e se ligar a ligantes, mas atualmente fica atrás do estabelecido LigandMPNN em conseguir a sequência exata.

Os autores sugerem que o futuro não é escolher um ou outro, mas talvez construir uma cozinha híbrida: usando o radar denso para a forma geral e sinais de longa distância, mas mantendo os batedores locais (como a antiga corrente de fofoca) para lidar com os detalhes massivos e complexos de DNA e RNA. Até lá, o UMA-Inverse é uma ferramenta fascinante, menor e surpreendentemente "consciente" que nos mostra exatamente o quão longe a influência de um ligante pode viajar em uma proteína, mesmo que ainda não tenha dominado a arte de cozinhar o prato perfeito.

Resumo Técnico: UMA-Inverse

Definição do Problema

O enovelamento inverso de proteínas visa projetar sequências de aminoácidos que adotem uma estrutura de esqueleto (backbone) específica e fixa. Embora modelos de Redes Neurais de Grafos (GNN) autorregressivos como o ProteinMPNN e o LigandMPNN tenham se tornado o padrão para essa tarefa, eles dependem de grafos esparsos de $k$ -vizinhos mais próximos ( $k$ -NN). Essa arquitetura restringe inerentemente o fluxo de informações de longo alcance, pois resíduos distantes comunicam-se apenas através de cadeias de passos de passagem de mensagens locais. Essa limitação pode dificultar a capacidade do modelo de codificar relações alostéricas ou dependências geométricas camada por camada entre um ligante e resíduos distantes da interface de ligação. Além disso, embora o LigandMPNN consiga condicionar-se a ligantes, ele permanece como a fronteira de precisão apenas para divisões (splits) específicas, com modelos mais recentes e maiores reportando taxas de recuperação mais altas. A questão central abordada é se uma arquitetura de representação de pares densa, inspirada nas capacidades de raciocínio geométrico do Evoformer do AlphaFold, pode melhorar o enovelamento inverso condicionado a ligantes, mantendo a eficiência computacional.

Metodologia

UMA-Inverse é um modelo de enovelamento inverso condicionado a ligantes e ácidos nucleicos que substitui o codificador GNN esparso do LigandMPNN por um codificador de tensor de pares denso de todos os pares.

Arquitetura

O modelo consiste em quatro etapas principais:

Featuralização: Os resíduos são codificados via ângulos diedros do esqueleto ( $\phi, \psi, \omega$ ). Átomos de ligantes e ácidos nucleicos são codificados usando características atômicas (tipo, grupo, período). As características de pares incluem 25 distâncias de esqueleto para pares resíduo-resíduo e 5 distâncias esqueleto-ligante mais ângulos de frames relativos para pares resíduo-ligante.
Inicialização do Tensor de Pares: Um tensor denso $N \times N \times d$ ( $d=128$ ) é inicializado usando características de nós, embeddings de função de base radial (RBF) de distâncias entre nós e embeddings de posição relativa aprendidos.
Encoder PairMixer: A inovação central é um codificador de seis blocos baseado no design PairMixer. Diferente do Evoformer completo do AlphaFold2, ele omite a autoatenção de triângulos e a trilha de sequência para reduzir o custo computacional. Ele retém a multiplicação de triângulos (atualizando $z_{ij}$ usando $z_{ik}$ e $z_{kj}$ ) e MLPs de transição. Isso permite que o modelo capture relações geométricas de três corpos em todos os tripletos de resíduos e pares resíduo-ligante.
Decodificador Autorregressivo: As sequências são decodificadas em ordem aleatória. Uma distinção fundamental em relação às linhas de base de pooling médio padrão é o decodificador de atenção ao ligante aprendido. Em vez de calcular a média uniforme das informações do par resíduo-ligante, cada resíduo $i$ calcula um peso de atenção específico de posição sobre os átomos do ligante ( $\alpha_{i\ell}$ ) para ler um vetor de contexto $s_i$ . Isso permite que resíduos da interface atentem agudamente aos átomos de coordenação, enquanto resíduos distais integram o campo do ligante de forma mais difusa.

Aprendizado de Currículo e Objetivos Auxiliares

Aprendizado de Currículo: O treinamento procede em três estágios com tamanhos de estrutura crescentes (64 $\to$ 128 $\to$ 384 nós) para construir o contexto estrutural progressivamente.
Supervisão de Distograma: Um cabeça de distograma auxiliar é adicionado durante o treinamento para prever distâncias entre resíduos em bins a partir do tensor de pares. Isso força o codificador a manter uma representação geométrica explícita e preditiva da estrutura. A perda total é $L = L_{CE} + 0.2 L_{distogram}$ .
Roteamento de Ácido Nucleico: Cadeias de DNA/RNA são roteadas para o pool de átomos do ligante (limitado a 50 átomos próximos ao centroide da proteína) para permitir o condicionamento de nucleotídeos, embora o artigo note que esta estratégia de roteamento específica possui limitações (ver Resultados).

Contribuições Principais

Arquitetura de Par Denso para Enovelamento Inverso: A introdução de um Pairformer simplificado (apenas Multiplicação de Triângulos) como um codificador para o enovelamento inverso condicionado a ligantes, demonstrando que o raciocínio geométrico de todos os pares é viável para o design de sequências.
Geometria Supervisionada por Distograma: O uso de um objetivo de distograma auxiliar para garantir que o tensor de pares permaneça explicitamente preditivo da estrutura, evitando que o codificador colapse em um atalho de apenas sequência.
Atenção ao Ligante Aprendida: Um mecanismo de decodificação que condiciona as previsões de resíduos em contextos de ligante específicos de posição, em vez de médias uniformes, abordando a divergência das previsões de resíduos distais em baselines de pooling médio.
Baseline Compacto: Um modelo com apenas ~3,3 milhões de parâmetros (comparável aos ~2,5M do LigandMPNN) que serve como uma alternativa compacta de passagem única para modelos generativos maiores.
Caracterização Representacional: Uma análise empírica mostrando que o codificador denso propaga a identidade do ligante para resíduos muito além da interface de ligação (até ~30 $\times$ o sinal do LigandMPNN em shells distais), uma propriedade não observada em modelos de grafos esparsos.

Resultados

Recuperação de Sequência

Avaliado nos splits de teste padrão do LigandMPNN (Small Molecule, Metal, Nucleotide) usando um protocolo correspondente (10 amostras autorregressivas, $T=0.1$ , corte de interface de 5Å):

Small Molecule: O UMA-Inverse alcança 56,1% de recuperação vs. os 59,8% do LigandMPNN (reexecutado pelos autores; publicado: 63,3%).
Metal: O UMA-Inverse alcança 55,1% vs. 64,4% do LigandMPNN (reexecutado; publicado: 77,5%).
Nucleotide: O UMA-Inverse alcança 35,3%, igualando o ProteinMPNN agnóstico a ligantes (34,0%), mas ficando atrás do LigandMPNN (53,3%).
Recuperação Teacher-Forced: 66,1% no conjunto de validação.

Validação Estrutural (Design de Pocket Fixo)

Em um cenário onde o bolso de ligação é fixo e o restante da proteína é redesenhado:

Dobramento (Foldability): Os designs dobram-se com confiança e são competentes na ligação ao ligante sob co-dobramento Boltz-2 (ligand ipTM $\approx$ 0.96).
Precisão de Pose: Os designs do UMA-Inverse rendem uma mediana de RMSD de pose do ligante de 1,53 Å, o que é próximo do piso da sequência nativa (0,90 Å), mas ligeiramente pior que o LigandMPNN (1,27 Å).
Recuperação Distal: O LigandMPNN recupera melhor as posições distais (não-bolso) (53,7% vs. 48,3%).

Análise de Sinal Distal

Uma análise de divergência KL do sinal de condicionamento do ligante vs. distância revela uma diferença marcante:

LigandMPNN: O sinal colapsa para quase zero além de 10 Å.
UMA-Inverse: Mantém um sinal substancial (0,09–0,16 KL) além de 25 Å, propagando a identidade do ligante para resíduos distais várias vezes mais forte que o baseline de grafo esparso.

Significância e Alegações

O artigo posiciona o UMA-Inverse não como uma ferramenta de design estado da arte que supera o LigandMPNN em precisão, mas como um baseline compacto e um veículo para insights arquiteturais específicos.

Viabilidade de Codificadores Densos: Demonstra que um codificador denso de todos os pares, supervisionado por um distograma, é uma arquitetura viável para o enovelamento inverso condicionado a ligantes, alcançando resultados competitivos nos splits de pequenas moléculas e metais, apesar de ser um modelo de passagem única.
Diferença Representacional: A principal contribuição é a caracterização de como os codificadores densos distribuem informação. Ao contrário dos grafos esparsos que confinam os sinais do ligante ao vizinhança local, o UMA-Inverse propaga a identidade do ligante globalmente através da dobra (fold).
Limitações e Direções Futuras: Os autores reconhecem explicitamente que a atual arquitetura densa falha em parceiros de nucleotídeos devido à restrição de "orçamento global de átomos" (limitando os átomos do ligante a 50 para gerenciar a complexidade $O(L^3)$ da multiplicação de triângulos). Eles argumentam que uma arquitetura híbrida — mantendo o tensor denso resíduo-resíduo para geometria, enquanto utiliza um módulo separado de contexto atômico por resíduo para ligantes — seria o caminho necessário para corrigir o design de nucleotídeos e desacoplar o custo computacional cúbico da cobertura do ligante.
Reprodutibilidade: O artigo destaca discrepâncias entre a reexecução do LigandMPNN feita pelos autores e os números publicados (particularmente para metais), sugerindo que comparações de protocolo controladas são essenciais para benchmarks precisos. Também nota problemas com a estabilidade dos códigos de acesso PDB nos splits existentes e a presença de íons metálicos não fisiológicos nos conjuntos de teste.

Em resumo, o UMA-Inverse oferece uma prova de conceito de que o raciocínio geométrico denso pode ser aplicado ao enovelamento inverso com alta eficiência, fornecendo uma nova perspectiva sobre como a informação do ligante se propaga através das estruturas proteicas, mesmo que atualmente fique atrás dos baselines especializados de grafos esparsos em termos de precisão bruta de recuperação de sequência.