MAP: A Knowledge-driven Framework for Predicting Single-cell Responses for Unprofiled Drugs

O artigo apresenta o MAP, um framework baseado em conhecimento que integra um grande grafo de conhecimento biológico e estratégias de pré-treinamento para prever com precisão as respostas de células a drogas não perfiladas, superando os modelos existentes em cenários de generalização zero-shot.

O essencial

Imagine que você é um detetive tentando prever como uma cidade inteira (o seu corpo) reagirá a um novo tipo de polícia (um medicamento) que nunca foi visto antes.

Até hoje, os cientistas tinham um grande problema: eles só conseguiam prever o comportamento da cidade para os policiais que já tinham sido testados e registrados em arquivos. Se aparecesse um novo policial (um novo remédio) que ninguém nunca tinha visto, os modelos de computador ficavam perdidos, porque tratavam cada remédio como um nome estranho sem significado, sem saber que ele era parecido com outros ou que agia de forma semelhante.

Aqui entra o MAP, o novo "super-detetive" criado pelos pesquisadores da Universidade Jiao Tong de Xangai. O MAP não tenta adivinhar no escuro; ele usa um Gigante de Conhecimento para entender a lógica por trás de tudo.

Vamos explicar como isso funciona usando algumas analogias simples:

1. O Grande Livro de Receitas (MAP-KG)

Antes, os cientistas olhavam apenas para a "foto" de como as células reagiam a um remédio. O MAP, no entanto, construiu algo chamado MAP-KG.

Imagine que o MAP-KG é uma biblioteca gigante e superorganizada que conecta três coisas:

• Os Remédios: Não apenas o nome, mas a "receita química" deles (como são feitos).
• Os Alvos (Genes): As partes do corpo onde o remédio age.
• A História (Texto): O que os livros dizem sobre como eles funcionam.

É como se o MAP tivesse lido milhões de livros de biologia e criado um mapa mental que diz: "Ah, este novo remédio tem uma estrutura química parecida com aquele outro que eu já conheço, e ambos atacam a mesma parte da célula."

2. O Tradutor Universal (Pré-treinamento)

O grande desafio é que os dados vêm em formatos diferentes: alguns são desenhos químicos (SMILES), outros são sequências de letras de proteínas e outros são textos longos em inglês.

O MAP usa um tradutor universal. Ele pega todas essas informações diferentes e as transforma em uma "língua comum" (vetores matemáticos).

• A analogia: Imagine que você tem um livro de receitas em japonês, um em inglês e um desenho de um bolo. O MAP traduz tudo para "português culinário". Agora, o computador entende que "farinha" (estrutura química) + "fermento" (mecanismo) = "bolo cresce" (efeito no gene), mesmo que nunca tenha visto esse bolo específico antes.

3. A Previsão Zero (Zero-Shot)

A parte mais mágica é a capacidade de Zero-Shot.

• O problema antigo: Se você perguntasse a um modelo antigo: "O que o remédio X faz na célula Y?", e o modelo nunca tivesse visto o remédio X, ele diria: "Não sei, não tenho dados".
• A solução do MAP: O MAP olha para o remédio X, vê que ele é um "inibidor de mitocôndria" (pelo seu texto e estrutura), e diz: "Ok, eu já vi outros inibidores de mitocôndria agirem assim. Vou prever que este novo também vai agir de forma parecida".

É como se você visse um carro novo que nunca testou, mas, ao ver que ele tem o mesmo motor e as mesmas rodas de um carro que você conhece, consegue prever com segurança como ele vai dirigir na chuva.

4. O Resultado na Vida Real

Os pesquisadores testaram o MAP em cenários muito difíceis:

• Células que nunca viram o remédio: O MAP acertou muito mais do que os modelos anteriores.
• Remédios totalmente novos: Mesmo sem nenhum dado de teste, o MAP conseguiu prever como eles afetariam as células.
• Caça ao Tesouro (Reposicionamento de Drogas): Eles usaram o MAP para procurar novos tratamentos para câncer de pulmão. O sistema conseguiu "adivinhar" e priorizar 4 dos 5 remédios aprovados para esse tipo de câncer, mesmo sem ter sido treinado especificamente com eles.

Por que isso é importante?

Atualmente, descobrir um novo remédio é como procurar uma agulha em um palheiro, custa bilhões de dólares e leva anos. O MAP é como um ímã superpoderoso que atrai as agulhas certas.

Ele permite que os cientistas façam triagem virtual. Em vez de testar milhares de remédios em laboratório (o que é caro e demorado), eles podem usar o MAP para simular o que vai acontecer no computador. Isso acelera a descoberta de curas, reduz custos e, o mais importante, pode salvar vidas mais rápido, trazendo tratamentos para os pacientes antes do que seria possível hoje.

Em resumo: O MAP é um sistema inteligente que usa todo o conhecimento biológico já existente para "entender" a lógica dos remédios, permitindo prever o futuro da medicina para drogas que ainda nem foram testadas.

Resumo técnico

Resumo Técnico: MAP (Mechanism-Aware Perturbation Response Predictor)

1. Problema e Motivação

A previsão de como as células respondem a perturbações químicas é fundamental para a construção de "células virtuais" e para a triagem de drogas in silico. No entanto, o espaço químico de compostos possíveis é vasto, enquanto os dados experimentais de perfilamento de perturbação (transcriptoma de célula única) cobrem apenas uma fração mínima desse espaço.

Os modelos existentes enfrentam dificuldades significativas em generalizar para compostos não perfilados (unprofiled drugs). A maioria dos modelos trata as drogas como identificadores categóricos isolados, aprendendo suas relações apenas a partir da co-ocorrência nos dados de treinamento. Isso falha em capturar mecanismos biológicos subjacentes (como modos de ligação ou modulação de vias comuns), limitando a capacidade de extrapolação para novos compostos que não possuem dados de expressão gênica prévios.

2. Metodologia

O MAP é um framework que integra conhecimento biológico estruturado na modelagem de perturbação celular, permitindo previsões zero-shot (sem dados de treinamento específicos para a droga) para pequenas moléculas com perfis escassos ou inexistentes. A abordagem é dividida em três componentes principais:

A. Construção do MAP-KG (Knowledge Graph)

• Foi construído um grafo de conhecimento biomédico em larga escala unificando 14 recursos públicos (como DrugBank, PubChem, ChEMBL, STRING, etc.).
• Escala: Contém 187.089 drogas, 22.924 genes e 694.246 relações mecanísticas.
• Estrutura: O grafo conecta drogas e genes através de arestas que descrevem interações (ex: inibição, ativação) e inclui atributos multimodais:
  • Drogas: Estrutura molecular (SMILES) e descrições textuais (Mecanismo de Ação - MOA, funções terapêuticas).
  • Genes: Sequência de aminoácidos e anotações funcionais textuais.
• O texto atua como uma "ponte semântica" para alinhar modalidades heterogêneas.

B. Pré-treinamento Orientado por Conhecimento

• Utiliza codificadores específicos para cada modalidade:
  • BioBERT para texto.
  • MoleculeSTM para estruturas moleculares (SMILES).
  • ESM-2 para sequências de proteínas.
• Estratégia de Aprendizado: Emprega aprendizado contrastivo para alinhar essas representações em um espaço de embedding unificado. O objetivo é que entidades biologicamente relacionadas (ex: uma droga e seu alvo gênico, ou duas drogas com o mesmo MOA) estejam próximas no espaço vetorial, independentemente dos dados de expressão celular.
• Isso gera representações de drogas e genes "conscientes do mecanismo" (mechanism-aware).

C. Predição de Resposta à Perturbação

• O framework integra as representações de conhecimento (drogas e genes) com um modelo fundacional de célula única pré-treinado (STATE).
• O modelo recebe o estado celular basal (não perturbado) e as representações da droga (baseadas em SMILES e conhecimento) para prever o transcriptoma perturbado.
• O treinamento utiliza supervisão dual: nível de expressão gênica e nível de embedding celular, para mitigar ruído experimental.

3. Principais Contribuições

1. MAP-KG: Um grafo de conhecimento biomédico sem precedentes em escala, focado em perturbações, que unifica dados estruturados e não estruturados para criar uma base de conhecimento transferível.
2. Estratégia de Pré-treinamento Multimodal: Uma nova abordagem que alinha estrutura química, sequência proteica e descrições textuais de mecanismos, criando embeddings que capturam similaridades biológicas reais, não apenas estatísticas de co-ocorrência.
3. Generalização Zero-Shot Robusta: Demonstração de que o modelo pode prever respostas transcriptômicas para drogas totalmente novas (nunca vistas no treinamento) e em combinações célula-droga não observadas, superando a dependência de dados experimentais massivos para cada novo composto.

4. Resultados Experimentais

O MAP foi avaliado em três grandes conjuntos de dados (Tahoe-100M, OP3 e SciPlex3) sob dois regimes rigorosos de zero-shot:

• Generalização Composicional (Combinações Célula-Droga não vistas):
  • O MAP superou todos os baselines (incluindo CRISP, chemCPA e PRnet).
  • No Tahoe-100M, houve uma melhoria de +13,3% na correlação de Pearson delta (top-50 DEGs) e +13,5% na precisão de direção em comparação ao melhor baseline.
• Predição para Drogas Não Perfiladas (Unprofiled Drugs):
  • Cenário onde as drogas de teste foram removidas completamente dos dados de treinamento e do grafo de conhecimento durante o pré-treinamento.
  • O MAP melhorou a correlação de Pearson delta em +12,2% no Tahoe-100M e +10,4% no SciPlex3.
  • Em análises de nível de gene individual, o MAP mostrou alinhamento mais próximo com os dados reais, capturando magnitudes e direções de regulação com menor viés sistemático.
• Análise Funcional e Triagem Virtual:
  • Em um experimento de triagem virtual na linhagem celular A-549 (câncer de pulmão), o MAP priorizou 4 dos 5 medicamentos aprovados para câncer de pulmão entre 58 compostos não perfilados.
  • A análise via GSEA (Gene Set Enrichment Analysis) mostrou que o MAP recupera programas transcricionais coerentes e consistentes com os mecanismos de ação conhecidos das drogas (ex: supressão de vias oncogênicas KRAS e NF-κB).

5. Significância e Impacto

• Paradigma de Células Virtuais Robustas: O trabalho demonstra que a injeção de conhecimento biológico estruturado atua como um viés indutivo poderoso, permitindo que modelos de IA generalizem para espaços químicos vastos mesmo com dados de transcriptoma limitados.
• Aceleração da Descoberta de Medicamentos: Ao permitir a triagem in silico confiável de compostos totalmente novos sem necessidade de experimentação prévia, o MAP reduz custos e prazos no estágio inicial de descoberta de fármacos e reposicionamento de drogas.
• Escalabilidade e Custo-Eficiência: O estudo mostra que a escala do conhecimento (tamanho do grafo) e a diversidade das fontes de dados são fatores complementares e essenciais para o desempenho, oferecendo um caminho de melhoria que é ortogonal (e não substituto) ao aumento de dados experimentais ou capacidade do modelo.

Em suma, o MAP estabelece um novo padrão para a modelagem de perturbações celulares, transformando a previsão de respostas a drogas de um problema de interpolação estatística para uma tarefa de inferência baseada em mecanismos biológicos fundamentais.