Drug-Target Interaction Prediction with PIGLET

O artigo apresenta o PIGLET, um novo método baseado em transformadores de grafos que utiliza um grafo de conhecimento proteico para prever interações fármaco-alvo, superando os modelos existentes em cenários de validação mais rigorosos e demonstrando sua utilidade em um estudo de caso real de descoberta de medicamentos.

O essencial

Imagine que descobrir um novo remédio é como tentar encontrar a chave certa para abrir uma fechadura específica em um castelo gigante. O "castelo" é o corpo humano, as "fechaduras" são as proteínas (as máquinas que fazem o corpo funcionar) e as "chaves" são os medicamentos. O grande desafio da ciência é saber qual chave abre qual fechadura sem ter que testar milhões de combinações manualmente, o que levaria anos e custaria uma fortuna.

Este artigo apresenta uma nova ferramenta chamada PIGLET que ajuda a prever quais chaves (remédios) vão encaixar em quais fechaduras (proteínas) de forma muito mais inteligente.

Aqui está a explicação passo a passo, usando analogias do dia a dia:

1. O Problema: A "Sorte" vs. A "Lógica"

Antes do PIGLET, a maioria dos computadores tentava adivinhar essa conexão olhando apenas para a forma da chave e da fechadura, como se estivessem comparando fotos de dois objetos isolados. Eles eram muito bons em acertar quando os testes eram feitos de forma aleatória (como um sorteio), mas falhavam feio quando precisavam prever algo novo e diferente. Era como se eles tivessem "decorado" as respostas de um teste antigo, mas não entendiam a lógica por trás delas.

2. A Solução: O "Mapa do Tesouro" (O Gráfico de Conhecimento)

O PIGLET não olha apenas para a chave e a fechadura isoladas. Em vez disso, ele cria um mapa gigante e interconectado de todo o corpo humano. Pense nele como um mapa de redes sociais ou de transporte:

• Nós (Pontos): São todos os remédios e todas as proteínas do corpo.
• Linhas (Conexões): Mostram como eles se relacionam.
  • Se duas proteínas têm "bolsos" (partes onde o remédio se encaixa) muito parecidos, elas são conectadas.
  • Se dois remédios são quimicamente parecidos, eles são conectados.
  • Se duas proteínas trabalham juntas no corpo, elas são conectadas.

O PIGLET usa esse mapa para entender que, se o Remédio A funciona na Proteína X, e a Proteína X é muito parecida com a Proteína Y, então é provável que o Remédio A também funcione na Proteína Y. É o princípio do "quem anda com quem, é quem é".

3. O Teste Real: A Prova de Fogo

Os autores fizeram dois tipos de testes para ver se o PIGLET era bom de verdade:

• O Teste Aleatório (O "Sorteio"): Eles misturaram tudo e pediram para o computador adivinhar. Todos os modelos antigos e o PIGLET acertaram muito. Isso é fácil, como adivinhar a resposta de um teste onde você já viu as perguntas antes.
• O Teste Rigoroso (O "Novo Mundo"): Aqui está a mágica. Eles esconderam todos os remédios de um certo grupo (como se fossem remédios totalmente novos que nunca existiram antes) e pediram para o modelo prever para quem eles serviam.
  • Os modelos antigos (que olhavam apenas para a forma da chave) falharam miseravelmente. Eles não conseguiam generalizar.
  • O PIGLET brilhou! Como ele usava o "mapa de conexões", ele conseguiu deduzir que, mesmo sendo um remédio novo, ele se parecia com outros que já conheciam e, portanto, provavelmente funcionaria em certas proteínas. Ele foi o único que conseguiu prever com precisão.

4. O Caso Real: Remédios de 2025

Para provar que não era apenas teoria, os autores pegaram 11 remédios que foram aprovados pela FDA (agência reguladora dos EUA) em 2025 (um cenário futuro simulado no estudo). O PIGLET conseguiu identificar corretamente para quais proteínas esses remédios novos se destinavam, mesmo nunca tendo "visto" esses remédios antes durante o treinamento.

5. Por que isso importa?

• Velocidade: O PIGLET é rápido. Enquanto outros métodos levam horas para treinar, o PIGLET faz isso em minutos.
• Precisão no Mundo Real: Ele não apenas decora dados; ele entende a lógica biológica. Isso é crucial para encontrar novos usos para remédios antigos (repurposing) ou descobrir efeitos colaterais antes que o remédio chegue ao paciente.
• Segurança: O estudo enfatiza que o PIGLET é uma ferramenta de sugestão. Ele diz: "Ei, tente olhar aqui!". Mas ainda precisamos de testes reais em laboratório e clínicas para confirmar se é seguro e eficaz.

Resumo em uma frase

O PIGLET é como um detetive experiente que não olha apenas para a foto do suspeito (o remédio), mas consulta um mapa completo de relacionamentos e semelhanças no corpo humano para deduzir onde ele pode estar escondido, sendo muito mais eficiente do que os métodos antigos que apenas tentavam adivinhar baseado em fotos isoladas.

Resumo técnico

Título: Predição de Interação Fármaco-Alvo com PIGLET

Autores: Kristy A. Carpenter e Russ B. Altman (Stanford University)

---

1. Problema e Contexto

A predição de interações fármaco-alvo (DTI - Drug-Target Interaction) é uma tarefa fundamental no desenvolvimento de fármacos assistido por computador. Embora modelos de aprendizado profundo relatem desempenhos extremamente altos, eles frequentemente falham em acelerar a descoberta de fármacos no mundo real.

• Limitação Atual: A maioria dos modelos baseia-se em representações unidimensionais (sequências de aminoácidos e strings SMILES) ou tridimensionais (estruturas de complexos proteína-ligante).
• O Desafio da Validação: Métricas de desempenho são frequentemente infladas devido a vazamento de dados (data leakage) em divisões aleatórias dos conjuntos de dados. Quando novos fármacos (não vistos durante o treinamento) são introduzidos, esses modelos tendem a falhar, pois não conseguem generalizar para moléculas quimicamente similares às do conjunto de teste.

2. Metodologia: O Modelo PIGLET

Os autores propõem o PIGLET (Proteome-wide Interaction Graph Link prediction by Embedding with Transformers), um método baseado em Grafos de Conhecimento Heterogêneo e Transformadores de Grafos.

Construção do Grafo de Interação Proteoma-wide

O modelo opera sobre um grafo heterogêneo ($G$) que abrange todo o proteoma humano, contendo:

• Nós: Proteínas (alvos) e Fármacos.
• Arestas (Relacionamentos):
  1. Interações Fármaco-Alvo ($E_{bind}$): Dados do conjunto Human (usados para treinamento e perda).
  2. Interações Fármaco-Alvo de Mensagem ($E_{bindMP}$): Dados do DrugBank (usados apenas para propagação de mensagens, não para perda, para guiar o viés indutivo).
  3. Semelhança de Bolsos de Ligação ($E_{targetsim}$): Baseada na similaridade coseno de embeddings de resíduos (gerados pelo ESM2) de bolsos de ligação preditos (HOTPocket) e conhecidos. Pares com similaridade > 0.95 são conectados.
  4. Semelhança Fármaco-Fármaco ($E_{drugsim}$): Baseada na similaridade coseno de embeddings de ChemBERTa (fingerprint Morgan). Pares com similaridade > 0.8 são conectados.
  5. Interações Proteína-Proteína ($E_{PPI}$): Dados do banco STRING (com pontuação combinada $\ge$ 700).

Arquitetura do Modelo

O PIGLET consiste em duas partes principais:

1. Tronco de Embedding (Embedding Trunk):
   • Utiliza 3 camadas de convolução de grafos heterogêneos.
   • Emprega a camada TransformerConv, que realiza passagem de mensagens com atenção (mecanismo de self-attention adaptado para grafos).
   • Inclui um "nó virtual" conectado a todos os nós de fármacos para facilitar a propagação de informações.
   • Aprende representações vetoriais (embeddings) para nós de proteínas e fármacos.
2. Cabeça de Predição de Links (Link Prediction Head):
   • Concatena os embeddings do fármaco e do alvo.
   • Passa por uma rede neural feedforward de duas camadas (com ativação Leaky ReLU) para prever a probabilidade de interação (classificação binária).

Estratégia de Divisão de Dados (Split)

Para evitar o vazamento de dados e simular cenários reais de descoberta, os autores introduziram uma divisão baseada em similaridade de fármacos (drug-based split):

• Os fármacos foram agrupados em 100 clusters usando fingerprints de Morgan e similaridade Tanimoto.
• Os clusters inteiros foram mantidos separados entre treino, validação e teste.
• Isso força o modelo a prever interações para fármacos quimicamente distintos dos vistos durante o treinamento, uma tarefa muito mais difícil e realista do que uma divisão aleatória.

3. Principais Contribuições

1. Novo Grafo de Conhecimento: Integração de similaridade estrutural de bolsos de ligação (proteoma-wide), PPIs e similaridade química em um único grafo heterogêneo.
2. Arquitetura PIGLET: Aplicação bem-sucedida de Transformadores de Grafos para DTI, superando abordagens baseadas apenas em sequências ou estruturas locais.
3. Protocolo de Avaliação Rigoroso: Proposição e uso de uma divisão de dados baseada em clusters de fármacos, demonstrando que divisões aleatórias superestimam o desempenho real.
4. Estudo de Caso Real: Validação do modelo na identificação de alvos para 11 fármacos aprovados pela FDA em 2025 (que não existiam no grafo de treinamento).

4. Resultados

Desempenho na Divisão Aleatória

• Todos os modelos (PIGLET, AMMVF-DTI, FragXsiteDTI, MSF-DTA, TransformerCPI) apresentaram desempenho muito alto e similar (AUROC entre 0.975 e 0.983).
• Isso confirma o problema de vazamento de dados em divisões aleatórias, onde modelos simples conseguem memorizar padrões.

Desempenho na Divisão Baseada em Fármacos (O Diferencial)

• PIGLET: Superou todos os outros modelos com um AUROC médio de 0.873 no conjunto de teste.
• MSF-DTA (segundo melhor): AUROC de 0.841.
• Modelos Baseados em Sequência/Estrutura (AMMVF, FragXsite, TransformerCPI): Desempenho pobre, com AUROC variando entre 0.531 e 0.642 (quase aleatório em alguns casos).
• Impacto do DrugBank: A remoção das arestas de mensagem do DrugBank fez o AUROC do PIGLET cair de 0.873 para 0.720 na divisão de fármacos, provando que o conhecimento externo é crucial para generalização.

Estudo de Caso (Fármacos FDA 2025)

• O PIGLET foi capaz de recuperar alvos conhecidos de fármacos aprovados em 2025 que não estavam no grafo de treinamento.
• 3 dos 11 fármacos tiveram pelo menos um alvo verdadeiro recuperado com pontuação $\ge$ 0.9.

Eficiência Computacional

• Modelos baseados em rede (PIGLET e MSF-DTA) foram significativamente mais rápidos (menos de 20 minutos de treinamento) comparados a modelos baseados em estrutura (FragXsiteDTI levou ~4.8 horas).

5. Significância e Conclusão

O trabalho demonstra que a abordagem baseada em grafos de conhecimento, que incorpora similaridade estrutural de bolsos de ligação e relações biológicas amplas, é superior para a generalização em cenários de descoberta de novos fármacos.

• Generalização: O PIGLET consegue prever interações para novos fármacos explorando a similaridade de seus bolsos de ligação com proteínas conhecidas, mesmo que as sequências primárias sejam diferentes.
• Validação Realista: A proposta de usar divisões baseadas em clusters de fármacos é um passo crítico para avaliar verdadeiramente a utilidade clínica de modelos de IA em DTI, evitando o otimismo excessivo gerado por divisões aleatórias.
• Aplicabilidade: O modelo mostra potencial para reposicionamento de fármacos e identificação de efeitos off-target, servindo como uma ferramenta viável para triagem virtual em estágios iniciais de desenvolvimento.

O código e o modelo estão disponíveis publicamente no repositório GitHub do Helix Research Lab.