Circumventing the synthesizability problem in generative molecular design

Este artigo propõe um pipeline de triagem virtual guiada por modelos (MGVS) que supera o problema de sintetizabilidade em projetos de fármacos baseados em estrutura, identificando análogos sintetizáveis com desempenho superior e maior eficiência em comparação com métodos de triagem tradicionais.

O essencial

🧪 O Problema: Criar Músicas que Ninguém Consegue Tocar

Imagine que você tem um compositor de música genial (um modelo de Inteligência Artificial) que consegue criar melodias novas e incríveis para tocar em um piano específico. Ele ouve a sala (a proteína do corpo humano) e compõe uma música perfeita para se encaixar nela.

O problema? O compositor é tão criativo que, às vezes, escreve notas que não existem no piano real ou exige que o pianista tenha dedos de 10 metros de comprimento. Na química, isso significa que a IA cria moléculas que seriam "perfeitas" para curar uma doença, mas que são impossíveis de fabricar em um laboratório. Seria como ter a partitura de uma música linda, mas sem conseguir encontrar os instrumentos para tocá-la.

💡 A Solução: O "Caçador de Versões Práticas"

Os autores deste artigo propuseram uma solução inteligente chamada MGVS (Screening Virtual Guiado por Modelo). Eles não tentaram consertar o compositor para que ele escrevesse apenas músicas fáceis de tocar (o que poderia limitar sua criatividade). Em vez disso, eles criaram um novo processo de dois passos:

1. O Compositor (IA Generativa): A IA cria a molécula "ideal" e perfeita para o alvo, mesmo que ela seja impossível de fabricar. Pense nela como um projeto arquitetônico de um arranha-céu futurista que desafia as leis da física atual.
2. O Caçador de Versões Práticas (Busca por Analogia): Em vez de tentar construir o arranha-céu impossível, o sistema vai até uma enorme biblioteca de prédios já construídos (bancos de dados químicos com milhões de opções). Lá, ele procura por prédios que sejam muito parecidos com o projeto futurista, mas que sejam feitos de tijolos e cimento reais (moléculas que podem ser sintetizadas).

🔍 Como Funciona na Prática?

O processo descrito no artigo é como uma caça ao tesouro super eficiente:

• Passo 1: A IA gera 1.000 "ideias" de moléculas para um alvo específico.
• Passo 2: Ela seleciona as 10 melhores ideias (as que se encaixam melhor na "chave" da doença).
• Passo 3: Para cada uma dessas 10 ideias "impossíveis", o sistema vai até a biblioteca gigante e procura as 100 moléculas mais parecidas que já existem e podem ser compradas ou fabricadas.
• Passo 4: Eles testam essas moléculas "práticas" para ver se elas ainda funcionam tão bem quanto a ideia original.

🚀 O Resultado: Mais Rápido e Melhor

O artigo mostra que essa abordagem é 25 vezes mais eficiente do que os métodos tradicionais.

• O Método Antigo (VLS Tradicional): É como tentar achar uma agulha em um palheiro revirando 50.000 palhas aleatoriamente. É lento e cansativo.
• O Novo Método (MGVS): É como usar um detector de metais (a IA) para encontrar a área exata onde a agulha está, e depois procurar apenas nas 2.000 palhas mais próximas.

A grande descoberta: As moléculas "práticas" que eles encontraram não apenas funcionavam, mas muitas vezes funcionavam melhor ou tão bem quanto as ideias originais da IA, e ainda tinham a vantagem de poderem ser fabricadas de verdade.

🎯 Conclusão Simples

A mensagem principal é: Não precisamos que a IA seja perfeita em criar coisas fáceis de fazer. Basta que ela seja boa em apontar a direção certa.

Assim como um arquiteto pode desenhar um castelo de sonho impossível, mas nos ajudar a encontrar um castelo real e habitável que fica ao lado, a IA guia os cientistas para as áreas certas do "universo químico". Lá, eles encontram versões reais e fabricáveis que podem virar novos medicamentos, acelerando drasticamente a descoberta de remédios para o futuro.

Resumo técnico

Resumo Técnico: Contornando a Sintetizabilidade no Design Molecular Generativo

1. O Problema

O Design de Fármacos Baseado em Estrutura (SBDD) utilizando modelos generativos de aprendizado profundo tem demonstrado grande promessa para acelerar a descoberta de candidatos a medicamentos. No entanto, uma crítica fundamental limita sua aplicação prática: os compostos gerados por esses modelos frequentemente possuem baixa sintetizabilidade (são difíceis ou impossíveis de sintetizar em laboratório) ou propriedades quimicamente implausíveis.

• Contexto: O espaço químico de fármacos é vasto ($10^{60}$ compostos). Embora existam bibliotecas virtuais massivas (bilhões a trilhões de compostos "make-on-demand"), a triagem virtual tradicional (VLS) torna-se computacionalmente inviável à medida que esses espaços crescem.
• Dilema Atual: Modelos generativos restringidos a subespaços sintetizáveis muitas vezes sacrificam a diversidade molecular e a capacidade de controle. Por outro lado, modelos não restridos geram moléculas de alta afinidade, mas que não podem ser produzidas fisicamente.

2. Metodologia: Pipeline de Triagem Virtual Guiada por Modelo (MGVS)

Os autores propõem uma abordagem híbrida chamada Model-Guided Virtual Screening (MGVS). Em vez de tentar gerar diretamente compostos sintetizáveis, o método utiliza modelos generativos para identificar "espaços químicos promissores" e, em seguida, busca análogos sintetizáveis nessas regiões.

O pipeline de 5 etapas é o seguinte:

1. Geração: Utilização de três modelos SBDD de ponta (com arquiteturas diversas: VAE hierárquico, autoregressivo e difusão) para gerar 1.000 compostos condicionados a um bolso proteico específico.
2. Docking e Pontuação: Os compostos gerados são acoplados (docked) ao bolso alvo usando o QuickVina2 e pontuados.
3. Filtragem: Compostos com padrões PAINS, geometrias tensas ou propriedades fora do intervalo de "drogabilidade" são removidos. Os top-10 compostos com melhor pontuação são selecionados como consultas (queries).
4. Busca por Análogos: Para cada query, realiza-se uma busca de similaridade química em bibliotecas ultra-largas existentes (Enamine REAL, WuXi GalaXi, ZINC). A busca utiliza a Distância de Edição de Grafos Hierárquica (GED) via ferramenta SmallWorld para encontrar os 100 compostos mais similares (sintetizáveis) para cada query.
5. Validação Final: Os análogos encontrados são novamente submetidos ao docking e pontuação para identificar os melhores candidatos sintetizáveis.

3. Contribuições Principais

• Novo Paradigma: Demonstra que a sintetizabilidade não precisa ser uma restrição durante a geração, mas sim uma etapa de recuperação (retrieval) posterior. Os modelos generativos atuam como "faróis" para navegar em regiões promissoras do espaço químico.
• Eficiência Computacional: O método MGVS supera a triagem virtual aleatória tradicional, reduzindo drasticamente o espaço de busca necessário para encontrar candidatos de alta qualidade.
• Validação Multi-Modelo: A abordagem foi testada e validada em três arquiteturas distintas de IA (DrugHIVE, Pocket2Mol e DiffSBDD), provando sua generalidade.

4. Resultados Chave

Os testes foram realizados em 30 alvos proteicos diversos (conjunto PDBbind).

• Melhoria na Sintetizabilidade: Os compostos "buscados" (análogos sintetizáveis) apresentaram uma melhoria drástica nos escores de Sintetizabilidade (SA) em comparação com os compostos gerados originalmente, mantendo a qualidade química.
• Afinidade de Ligação:
  • 98,7% dos análogos encontrados tiveram pontuações de docking (Vina) equivalentes ou melhores que os compostos gerados originais.
  • A maioria dos análogos (38,8%) superou significativamente a afinidade do ligante cristalino original ($\Delta$Vina < -1,5 kcal/mol).
• Eficiência de Triagem (25x):
  • Ao triar apenas 2.000 compostos (1.000 gerados + 100 análogos por query para 10 queries), o MGVS encontrou candidatos de qualidade superior à triagem aleatória de 50.000 compostos da biblioteca ZINC.
  • Isso representa uma melhoria de 25 vezes na eficiência de triagem.
• Semelhança Conformacional:
  • Os análogos sintetizáveis não apenas se ligam bem, mas mantêm poses de ligação semelhantes às dos compostos gerados.
  • Cerca de 50% dos queries tiveram análogos que compartilhavam todas as interações específicas (ligações de hidrogênio, pontes salinas, etc.) com o alvo, e quase 99% compartilharam pelo menos uma interação.
• Métrica de Similaridade: A Distância de Edição de Grafos (GED) mostrou-se um preditor superior de afinidade de ligação e similaridade conformacional em comparação com métricas baseadas em fingerprints (como Daylight e ECFP4).

5. Significado e Conclusão

Este trabalho demonstra que os modelos generativos de SBDD atuais, mesmo quando produzem compostos não sintetizáveis, são ferramentas poderosas para navegar no espaço químico e identificar regiões de alta afinidade.

• Impacto Prático: A abordagem MGVS contorna o gargalo da sintetizabilidade sem sacrificar a qualidade da descoberta. Ela permite que a indústria farmacêutica utilize a IA generativa para guiar a busca em bibliotecas comerciais existentes, acelerando a descoberta de hits viáveis.
• Futuro: À medida que os espaços químicos virtuais continuam a crescer, métodos de triagem exaustiva tornar-se-ão obsoletos. O MGVS oferece uma estratégia escalável e eficiente, onde a geração de moléculas foca na "exploração" de afinidade e a busca por similaridade foca na "exploração" de viabilidade sintética.

Em resumo, o artigo argumenta que a questão da sintetizabilidade não é um obstáculo intransponível para a IA generativa, mas sim um problema que pode ser resolvido eficazmente através de uma estratégia de "gerar e recuperar" (generate-then-retrieve).