Deep learning assessment of nativeness and pairing likelihood for antibody and nanobody design with AbNatiV2

O artigo apresenta o AbNatiV2 e o p-AbNatiV2, modelos de aprendizado profundo aprimorados que avaliam a natividade e a probabilidade de pareamento de anticorpos e nanocorpos, superando as limitações da versão anterior ao processar tanto sequências não pareadas quanto pares VH/VL para otimizar o design de candidatos terapêuticos.

O essencial

Imagine que o sistema imunológico do nosso corpo é como uma fábrica de super-heróis (os anticorpos). Essa fábrica é incrivelmente eficiente: ela cria heróis que são fortes, estáveis e, o mais importante, não atacam a cidade (o próprio corpo) nem causam efeitos colaterais ruins.

Os cientistas querem criar novos "super-heróis" artificiais para combater doenças, mas muitas vezes, quando tentam inventá-los do zero no computador, eles acabam criando monstros que não funcionam bem ou que o corpo rejeita.

Aqui entra o AbNatiV2, a nova ferramenta apresentada neste artigo. Pense nela como um "Detetive de Autenticidade" ou um "Chefe de Qualidade" muito esperto, alimentado por Inteligência Artificial.

Aqui está como ela funciona, dividido em duas partes principais:

1. O Detetive de Nanocorpos (AbNatiV2)

Antes, os cientistas tinham uma versão mais simples desse detetive (o AbNatiV1), mas ele tinha dois problemas:

• Ele só conseguia checar "metade" do herói (uma parte sozinha), o que não servia para os anticorpos completos.
• Ele tinha visto poucos exemplos de "nanocorpos" (uma versão menor e mais ágil dos anticorpos, muito usada hoje em dia), então ele não era muito esperto com eles.

A solução:
Os autores treinaram o novo AbNatiV2 com uma quantidade gigantesca de dados (mais de 20 milhões de sequências de nanocorpos de camelos, lhamas e alpacas).

• A Analogia: Imagine que o antigo detetive só tinha visto 100 fotos de lhamas. O novo detetive viu 20 milhões de fotos de lhamas de todos os tipos, cores e tamanhos. Agora, ele consegue dizer instantaneamente: "Isso aqui parece uma lhaminha natural e saudável" ou "Isso aqui é uma imitação de plástico que vai quebrar".
• O que ele faz: Ele analisa a sequência de aminoácidos (o "DNA" da proteína) e dá uma nota de "Naturalidade". Se a nota for baixa, significa que o anticorpo artificial provavelmente não vai funcionar bem no corpo humano.

2. O Detetive de Casais (p-AbNatiV2)

Os anticorpos comuns são feitos de duas partes que precisam se encaixar perfeitamente: uma parte pesada (VH) e uma parte leve (VL). É como tentar montar um quebra-cabeça de duas peças. Se você pegar uma peça pesada de um quebra-cabeça e uma peça leve de outro, eles podem não se encaixar, mesmo que cada uma seja bonita sozinha.

O antigo sistema não conseguia prever se essas duas peças dariam certo juntas. O novo p-AbNatiV2 resolve isso.

• A Analogia: Pense nele como um algoritmo de namoro. Ele não olha apenas se o "garoto" (VH) é legal ou se a "garota" (VL) é legal. Ele olha para o casal inteiro. Ele pergunta: "Esses dois combinam? Eles vão se dar bem? Ou vão brigar e se separar (desestabilizar a estrutura)?"
• O que ele faz: Ele usa uma técnica chamada "aprendizado de contraste" para aprender quais pares funcionam na vida real e quais são apenas combinações aleatórias que parecem boas no papel, mas falham na prática.

Por que isso é importante para nós?

1. Economia de Tempo e Dinheiro: Criar medicamentos biológicos é caro e demorado. Com essa ferramenta, os cientistas podem descartar os "falsos" ou os "incompatíveis" no computador, antes de gastar milhões em testes de laboratório.
2. Medicamentos Mais Seguros: Ao garantir que o anticorpo criado seja "natural" (parecido com os que nosso corpo produz) e que as peças se encaixem perfeitamente, reduzimos o risco de o paciente ter reações alérgicas ou o remédio não funcionar.
3. Design Inteligente: Agora, é possível desenhar anticorpos do zero (de novo) sabendo que eles terão uma boa chance de funcionar, guiando a criação para o caminho certo.

Resumo da Ópera

Os autores criaram um super-robô de verificação que aprendeu com milhões de exemplos reais. Ele consegue dizer:

1. "Este nanocorpo é autêntico e seguro?"
2. "Este par de anticorpos (pesado + leve) vai se dar bem?"

Eles disponibilizaram esse robô como um software gratuito e um site na internet, para que qualquer laboratório no mundo possa usá-lo para criar medicamentos melhores e mais rápidos. É como dar um mapa do tesouro para quem busca a cura de doenças, evitando que eles entrem em becos sem saída.

Resumo técnico

1. Problema e Contexto

O sistema imunológico produz anticorpos que equilibram alta afinidade de ligação e estabilidade com baixa toxicidade e auto-reatividade. Anticorpos projetados que se assemelham a esses produtos naturais ("nativos") têm maior probabilidade de manter propriedades in vivo favoráveis. No entanto, a avaliação computacional da "natividade" (a probabilidade de uma sequência pertencer à distribuição de anticorpos naturais) e da compatibilidade de pareamento entre cadeias pesadas (VH) e leves (VL) permanece um desafio.

O modelo anterior, AbNatiV, demonstrou eficácia na avaliação de nanocorpos (VHHs) e na humanização de anticorpos, mas possuía limitações críticas:

• Operava apenas em sequências não pareadas, limitando sua aplicação a anticorpos convencionais (que exigem a interação VH-VL).
• O desempenho na avaliação de nanocorpos era restringido pela escassez e baixa diversidade dos repertórios de treinamento disponíveis na época.
• Não conseguia prever a probabilidade de pareamento entre VH e VL, um fator crucial para a estabilidade estrutural e funcional de anticorpos sintéticos e bispecíficos.

2. Metodologia

Os autores desenvolveram o AbNatiV2 e o p-AbNatiV2, baseados em arquiteturas de Deep Learning avançadas (Autoencoders Variacionais Quantizados Vetorialmente - VQ-VAE, com base em Transformers).

A. Expansão de Dados e Curadoria

• Nanocorpos (VHH): O conjunto de treinamento foi expandido de ~2 milhões para 20,2 milhões de sequências. Isso incluiu novos repertórios de camélidos (alpacas, lhamas e camelos) e uma biblioteca não imune de alpaca sequenciada in-house (9,2 milhões de novas sequências).
• Anticorpos Humanos: Os dados foram escalados para 19,6 milhões de VH e 21,2 milhões de VL (não pareados).
• Sequências Pareadas: Foi criado um novo conjunto de dados com 3,7 milhões de pares únicos VH-VL humanos, combinando dados do OAS, p-IgGen e PairedAbNGS.

B. Arquitetura do Modelo AbNatiV2 (Não Pareado)

• Base: VQ-VAE Transformer.
• Inovações Arquiteturais: Substituição de codificações posicionais sinusoidais por positional embeddings rotativos (para melhor codificação de posições relativas), uso de mecanismos de gating integrados e camadas de ativação SwiGLU.
• Função de Perda: Introdução de uma Focal Reconstruction Loss (FRL). Diferente da perda MSE padrão, a FRL pondera dinamicamente os erros, reduzindo a contribuição de posições fáceis de prever (regiões conservadas) e forçando o modelo a focar em regiões variáveis e mutações somáticas, capturando melhor relações de alta ordem.

C. Arquitetura do Modelo p-AbNatiV2 (Pareado)

• Estrutura: Um VQ-VAE de atenção cruzada (cross-attention) que conecta os modelos pré-treinados de VH e VL não pareados.
• Mecanismo: Camadas de atenção cruzada interconectam os codificadores e decodificadores das cadeias pesada e leve, permitindo que o modelo aprenda interações entre as cadeias enquanto mantém os pesos dos modelos base congelados (apenas as camadas de atenção cruzada são atualizadas).
• Cabeça de Predição de Pareamento: Um cabeçalho de regressão logística treinado via aprendizado de contraste ruído (noise-contrastive learning). Ele distingue pares nativos de:
  1. Pares embaralhados (negativos "difíceis" dentro do mesmo lote).
  2. Pares incompatíveis de diferentes classes de células B ou espécies (negativos "fáceis").

3. Contribuições Principais

1. AbNatiV2: Um modelo unificado e escalado para avaliação de natividade em nanocorpos e anticorpos humanos (VH e VL), superando as limitações de generalização do AbNatiV1.
2. p-AbNatiV2: O primeiro modelo de deep learning capaz de avaliar simultaneamente a "humanidade" (humanness) de pares VH-VL e prever a probabilidade de pareamento com alta precisão.
3. Pipeline de Humanização Pareada: Uma nova metodologia que otimiza conjuntamente as cadeias pesada e leve durante a humanização, garantindo que as mutações não comprometam a compatibilidade de pareamento.
4. Recursos Abertos: Disponibilização dos modelos, dos conjuntos de dados curados (incluindo os novos dados de camélidos) e de um servidor web para uso público.

4. Resultados Chave

• Desempenho em Nanocorpos: O AbNatiV2 demonstrou superioridade significativa na distinção entre sequências nativas e artificiais (geradas por PSSM). O AUC da curva Precision-Recall (PR-AUC) aumentou de 0,961 para 0,984 no teste padrão e de 0,926 para 0,977 em conjuntos de teste diversos (sequências distantes do treinamento).
• Detecção de Grafting: O modelo identificou corretamente a perda de natividade em 90% dos casos de enxerto de CDRs (regiões determinantes de complementaridade) em um arcabouço universal, contra 64% do modelo anterior.
• Humanidade de Anticorpos: O modelo unificado VL (Vκ e Vλ) melhorou a discriminação contra cadeias leves de macacos (rhesus), com PR-AUC subindo de ~0,80 para 0,949.
• Predição de Pareamento:
  • Em testes de "um contra um" (pareamento nativo vs. aleatório), o p-AbNatiV2 atribuiu maior pontuação ao par nativo em 74,3% dos casos, superando significativamente modelos recentes como Humatch (60,1%) e ImmunoMatch (60,5%).
  • Em testes de "um contra 50", o p-AbNatiV2 classificou o par nativo entre os 5 melhores em mais de 35% dos casos (vs. 18% e 16% dos concorrentes).
  • O modelo mostrou robustez contra dados fora da distribuição (ex: sequências de camundongos ou sequências artificiais), atribuindo-lhes baixas pontuações de pareamento, ao contrário do ImmunoMatch que falhou nesses cenários.

5. Significado e Impacto

O trabalho estabelece um novo padrão para o design e engenharia de anticorpos e nanocorpos. Ao integrar a avaliação de natividade com a previsão de pareamento, o AbNatiV2 e p-AbNatiV2 permitem:

• Seleção de Candidatos: Filtrar sequências geradas de novo ou bibliotecas sintéticas que são biologicamente viáveis e estáveis.
• Humanização Segura: Guiar a humanização de anticorpos não humanos sem destruir a interação crítica entre VH e VL, reduzindo o risco de falhas no desenvolvimento clínico.
• Design Racional: Suportar o desenvolvimento de formatos complexos, como anticorpos bispecíficos e terapias CAR-T, onde o pareamento correto das cadeias é essencial.

A disponibilização pública dos dados e do software democratiza o acesso a ferramentas de ponta para a comunidade de biotecnologia, acelerando a descoberta de terapias baseadas em anticorpos.