Simpatico: accurate and ultra-fast virtual drug screening with atomic embeddings

Simpatico é uma ferramenta de triagem virtual de código aberto e ultra-rápida que aproveita incorporações em nível atômico e recuperação por vizinhos mais próximos para alcançar precisão de última geração na previsão de ligação proteína-ligante, superando significativamente tanto o acoplamento tradicional quanto os métodos existentes baseados em incorporações em velocidade e precisão, sem exigir estimativa de pose 3D.

O essencial

Imagine que você é um detetive tentando encontrar a chave perfeita para destravar uma porta específica e complexa (uma proteína causadora de doenças). No mundo da descoberta de medicamentos, essa "chave" é uma molécula minúscula, e há bilhões de chaves potenciais em um galpão gigante.

O Jeito Antigo: O Locksmith Lento
Tradicionalmente, os cientistas usavam um método chamado "acoplamento molecular". Isso é como contratar um marceneiro para tentar cada chave contra a porta, uma por uma. Eles testam fisicamente o encaixe, medem o quão bem ela gira e registram o resultado. Embora preciso, isso é incrivelmente lento. Se você tem um bilhão de chaves, tentar uma por uma leva uma eternidade. É muito lento para a descoberta de medicamentos moderna.

O Jeito do Meio: A Abordagem "Um Resumo"
Recentemente, um novo método chamado "recuperação por incorporação" (como uma ferramenta chamada DrugCLIP) tentou acelerar as coisas. Em vez de testar chaves uma por uma, ele criou um "documento de identificação resumido" para cada chave e cada porta. Ele aprendeu a agrupar chaves e portas que pertencem juntas em um gigantesco arquivo digital. Para encontrar uma correspondência, ele apenas procurava os documentos de identificação mais próximos.

No entanto, esse método tinha uma falha: ele esmagava a porta inteira e a chave inteira em apenas um único documento de identificação. Era como descrever uma casa complexa com vários cômodos com uma única frase. Se uma chave se encaixava apenas na porta da frente, mas não na traseira, o documento de identificação resumido não conseguia capturar essa nuance. Ele perdia detalhes importantes sobre onde as partes se encaixavam.

O Jeito Novo: Simpatico (O Casamenteiro Atômico)
O artigo apresenta uma nova ferramenta chamada Simpatico. Em vez de criar um documento de identificação resumido para a chave inteira ou a porta inteira, o Simpatico cria um documento de identificação único para cada átomo individual (os blocos de construção minúsculos) dentro da chave e da porta.

Pense nisso assim:

• A Porta: Em vez de um documento de identificação para a casa inteira, o Simpatico cria um documento de identificação específico para a maçaneta da frente, a janela traseira e o portão lateral.
• A Chave: Faz o mesmo para a chave, criando documentos de identificação para cada pequena saliência e ranhura em sua superfície.

Como Funciona
O Simpatico é treinado para saber que, se uma saliência específica em uma chave geralmente toca uma ranhura específica em uma porta, seus documentos de identificação devem ser "melhores amigos" no arquivo digital.

Quando os cientistas querem encontrar um medicamento:

1. Eles pegam a "porta" (a proteína) e olham os documentos de identificação de suas partes específicas (o bolso onde o medicamento se encaixa).
2. Eles perguntam ao arquivo: "Quais chaves em nosso galpão de um bilhão de chaves têm partes que são melhores amigos dessas partes específicas da porta?"
3. O sistema encontra instantaneamente os átomos correspondentes.
4. Uma etapa simples de matemática soma essas correspondências para dar uma pontuação à chave inteira.

Por Que É Uma Mudança de Jogo

• Velocidade: Porque procura partes correspondentes em vez de testar chaves inteiras, é incrivelmente rápido — ordens de magnitude mais rápido que os métodos antigos. Pode escanear bilhões de opções no tempo que os métodos antigos levam para verificar alguns milhares.
• Precisão: Mesmo tendo sido treinado em um conjunto de dados relativamente pequeno (cerca de 15.000 exemplos) e não precisando adivinhar a forma 3D da chave antes, é mais preciso ao encontrar as correspondências certas do que os antigos métodos de "resumo" e até melhor do que simulações complexas baseadas em física.
• Código Aberto: Os criadores tornaram a ferramenta, o código e os dados gratuitos para uso de todos.

Em resumo, o Simpatico não apenas adivinha se uma chave se encaixa em uma porta; ele verifica se as pequenas saliências na chave correspondem às pequenas ranhuras na porta, fazendo isso de forma tão rápida e precisa que supera os melhores métodos atuais no campo.

Resumo técnico

Resumo Técnico: Simpatico

Declaração do Problema
A triagem virtual é uma etapa crítica inicial na descoberta de fármacos, envolvendo a avaliação in-silico de vastas bibliotecas de pequenas moléculas para identificar aquelas que se ligam a um alvo proteico terapêutico. A abordagem dominante, o acoplamento molecular, requer um cálculo separado e computacionalmente caro para cada par proteína-molécula. Isso torna o acoplamento proibitamente lento para bibliotecas modernas de compostos contendo bilhões de compostos. Embora paradigmas recentes de incorporação-recuperação (por exemplo, DrugCLIP) tenham tentado abordar esse gargalo mapeando proteínas e ligantes em um espaço de incorporação compartilhado para recuperação de vizinhos mais próximos, eles sofrem de uma limitação significativa: eles colapsam cada proteína inteira e cada ligante inteiro em um único vetor de incorporação. Esse "gargalo de informação" restringe a capacidade do modelo de representar compatibilidades de ligação parciais ou alternativas, pois não consegue distinguir quais partes específicas de uma molécula são responsáveis pela ligação.

Metodologia
Os autores apresentam o Simpatico, uma ferramenta de triagem virtual por incorporação-recuperação projetada para superar as limitações das representações de vetor único. Em vez de gerar uma incorporação por molécula, o Simpatico produz uma incorporação única para cada átomo dentro de um bolso proteico ou de um ligante.

• Objetivo de Treinamento: O modelo utiliza um objetivo contrastivo no estilo CLIP. Ele treina incorporações atômicas de modo que pares de átomos proteína-ligante conhecidos por interagir sejam posicionados próximos no espaço de incorporação.
• Processo de Triagem: Para triar um alvo proteico, o sistema usa cada incorporação de átomo proteico como uma consulta contra um banco de dados vetorial contendo incorporações atômicas pré-calculadas de pequenas moléculas. Isso retorna os átomos correspondentes mais próximos da biblioteca.
• Pontuação: Uma etapa simples de agregação atribui uma pontuação final de ligação a cada molécula candidata com base nos átomos recuperados que ela contém.
• Eficiência de Indexação: Ao contrário de métodos de recuperação anteriores que indexam um vetor por ligante, o Simpatico indexa um vetor por átomo pesado. Consequentemente, o tempo de consulta cresce sublinearmente com o tamanho da biblioteca, permitindo escalabilidade para escalas de bilhões de compostos.

Principais Contribuições

• Incorporações em Nível Atômico: A mudança de incorporações globais de moléculas para incorporações por átomo, permitindo a representação de compatibilidade de ligação parcial.
• Arquitetura de Recuperação Eficiente: Um sistema que aproveita bancos de dados vetoriais para consultas em nível atômico, alcançando crescimento sublinear do tempo de consulta.
• Eficiência de Dados: O modelo alcança alto desempenho treinado apenas em ~15.000 complexos proteína-ligante do conjunto de dados PDBBind, sem exigir pré-treinamento ou estimativa de pose 3D de ligantes.

Resultados
Em benchmarks desafiadores de decoy, o Simpatico alcança precisão preditiva state-of-the-art. Especificamente:

• Supera métodos recentes de recuperação densa.
• Excede a precisão de métodos de acoplamento baseados em física e de acoplamento aprimorado por aprendizado profundo.
• É competitivo com métodos de acoplamento baseados em difusão.
• Em termos de velocidade, executa ordens de magnitude mais rápido do que acoplamento baseado em física, acoplamento aprimorado por aprendizado profundo e acoplamento baseado em difusão.

Significado
O artigo posiciona o Simpatico como uma solução para o trade-off entre escalabilidade e precisão na triagem virtual. Ao afastar-se do gargalo de informação das representações de vetor único, ele permite a triagem rápida de bibliotecas de bilhões de compostos com precisão que rivaliza ou supera métodos de acoplamento mais intensivos computacionalmente. A ferramenta é lançada como software de código aberto, com código, pesos e dados disponíveis para a comunidade.