MOZAIC: Compound Growth via In Silico Reactions and Global Optimization using Conformational Space Annealing

O MOZAIC é um novo framework computacional que combina o crescimento de fragmentos baseado em reações com o algoritmo de Recozimento do Espaço Conformacional para gerar moléculas quimicamente diversas e otimizadas, equilibrando propriedades de liderança, acessibilidade sintética e afinidade de ligação para acelerar a descoberta de fármacos.

O essencial

Imagine que você é um chef de cozinha tentando criar o prato perfeito para um cliente exigente (o alvo biológico, como uma proteína que causa uma doença). Você começa com um ingrediente básico e saboroso, mas pequeno: um fragmento. O desafio é transformar esse pequeno ingrediente em uma refeição completa e deliciosa sem estragar o sabor original ou tornar a receita impossível de fazer na cozinha.

É aqui que entra o MOZAIC, uma nova ferramenta de computador apresentada neste artigo. Vamos descomplicar como ela funciona usando analogias do dia a dia.

1. O Problema: A Cozinha Caótica

Antes do MOZAIC, os cientistas usavam computadores para inventar novas moléculas (remédios). O problema era que, muitas vezes, o computador criava "monstros" químicos:

• Impossíveis de cozinhar: A receita era tão estranha que nenhum químico no mundo conseguiria fabricá-la na vida real.
• Sem direção: O computador ficava preso em soluções "boas, mas não ótimas", como se tentasse achar a melhor receita apenas variando um pouco o sal, sem ousar mudar o prato principal.

2. A Solução: O MOZAIC (O Chef Inteligente)

O MOZAIC é como um chef assistente superinteligente que segue duas regras de ouro:

1. Regras de Cozinha Reais (Reações Químicas): Ele não inventa combinações mágicas. Ele usa apenas "receitas" reais de química (chamadas de regras SMARTS). Se ele adiciona um ingrediente, ele sabe exatamente como misturá-lo para que a reação funcione na vida real. Isso garante que o prato final possa ser feito.
2. O "Forno de Temperaturas" (CSA): O MOZAIC usa um algoritmo chamado Annealing de Espaço Conformacional. Pense nisso como um forno mágico.
   • No início, o forno está muito quente e agitado. O chef joga muitos ingredientes diferentes para dentro, misturando tudo de forma caótica para ver o que surge (exploração).
   • Aos poucos, o forno esfria. O chef começa a focar apenas nas combinações que estão ficando deliciosas, refinando-as e descartando as ruins.
   • Isso evita que ele fique preso em uma "solução medíocre" e garante que ele encontre o prato perfeito.

3. O Menu de Avaliação (O que faz um bom prato?)

Para decidir qual molécula é a vencedora, o MOZAIC usa três critérios, como se fosse um juiz de culinária:

• O Sabor (Afinidade de Ligação): O remédio se encaixa perfeitamente na proteína doente? (Medido pelo AutoDock Vina).
• A Saúde (QED): O prato é saudável e seguro para o corpo? (Medido pelo QED - uma pontuação de "drug-likeness").
• A Facilidade (SA): É fácil de comprar os ingredientes e cozinhar? (Medido pela Acessibilidade Sintética).

O MOZAIC tenta equilibrar os três. Ele não quer um prato que seja delicioso, mas venenoso; nem um prato saudável, mas impossível de fazer.

4. As Provas do Chef (Resultados)

Os autores testaram o MOZAIC em três cenários diferentes:

• Cenário 1: O Desafio do PDE10A (Melhorando um prato conhecido)
  Eles pegaram um ingrediente básico e pediram ao MOZAIC para criar um remédio melhor. O resultado? O MOZAIC criou uma molécula que se ligava à proteína 70% melhor do que o ingrediente original e até melhor do que um remédio já famoso (MK-8189), mantendo a segurança. Foi como transformar um sanduíche simples em um burger gourmet.

• Cenário 2: A Batalha de Chefes (MOZAIC vs. CReM-dock)
  Eles competiram contra outro programa famoso (CReM-dock). O CReM-dock criou pratos parecidos com o original (seguros, mas sem criatividade). O MOZAIC, por outro lado, criou pratos muito mais variados e criativos (novas estruturas químicas), explorando sabores que ninguém tinha pensado antes, sem perder a qualidade.

• Cenário 3: O Desafio da Cozinha Cega (Sem foto do prato)
  Às vezes, não temos a foto exata do prato (a estrutura da proteína). O MOZAIC foi testado usando uma "foto estimada" (feita por IA) em vez da foto real. Mesmo assim, ele conseguiu criar pratos excelentes, mostrando que é robusto e não entra em pânico se a informação não for 100% perfeita.

• Cenário 4: O Menu Personalizado (Solubilidade)
  Eles pediram ao MOZAIC para focar em algo específico: fazer o remédio se dissolver melhor na água (solubilidade), mantendo o sabor. O MOZAIC trocou ingredientes gordurosos por outros mais leves e solúveis, provando que você pode pedir para ele focar em qualquer característica que você quiser.

Resumo Final

O MOZAIC é uma ferramenta revolucionária porque:

1. Não inventa do nada: Segue regras de química real, garantindo que os remédios possam ser fabricados.
2. Não fica preso no óbvio: Usa um algoritmo inteligente para explorar muitas possibilidades diferentes.
3. É flexível: Você pode pedir para ele focar em solubilidade, potência ou segurança, e ele se adapta.

Em suma, o MOZAIC é como um parceiro de cozinha que não apenas ajuda a inventar novos pratos, mas garante que eles sejam deliciosos, saudáveis e, o mais importante, possíveis de serem feitos na vida real. Isso acelera a descoberta de novos medicamentos para combater doenças.

Resumo técnico

Resumo Técnico: MOZAIC

1. Problema e Motivação

A Descoberta de Fármacos Baseada em Fragmentos (FBDD) é uma estratégia eficiente que combina pequenas moléculas para explorar espaços químicos amplos. No entanto, métodos computacionais existentes, especialmente os baseados em algoritmos genéticos ou Inteligência Artificial (IA), apresentam limitações críticas:

• Viabilidade Sintética: Muitas vezes propõem moléculas que não possuem rotas de síntese química claras ou viáveis.
• Otimização Local: Algoritmos genéticos podem ficar presos em mínimos locais, limitando a diversidade química.
• Viés de Dados: Métodos baseados em IA podem herdar vieses dos conjuntos de dados de treinamento.
• Equilíbrio de Propriedades: É difícil otimizar simultaneamente a afinidade de ligação, a "drug-likeness" (semelhança com fármacos) e a acessibilidade sintética sem sacrificar uma propriedade pela outra.

O objetivo do trabalho é desenvolver uma ferramenta que realize o crescimento de fragmentos guiado por regras de reação química real, garantindo a síntese viável, enquanto utiliza um algoritmo de otimização global robusto para explorar o espaço químico de forma diversificada.

2. Metodologia

O MOZAIC (Molecule Optimization via AutoDock Vina, in silico fragment reaction, and conformational space annealing) é um framework de otimização molecular estruturado em duas fases principais:

A. Construção do Banco Inicial via Regras de Reação In Silico

• Entrada: Estrutura 3D da proteína, resíduos do sítio de ligação e uma molécula inicial (SMILES).
• Regras de Reação: O sistema utiliza 104 regras de reação orgânica real (baseadas em AutoClickChem, Robust Rxn e ChemoDOTS) definidas em SMARTS (Especificação de Alvo Arbitrária SMILES).
• Geração: Fragmentos são adicionados à molécula inicial seguindo essas regras, garantindo que os produtos sejam quimicamente sintetizáveis.
• Seleção de Diversidade: Um algoritmo MaxMinPicker (baseado em fingerprints ECFP) seleciona 60 compostos diversos para formar o "banco inicial", evitando a concentração em regiões estreitas do espaço químico.

B. Otimização Global via Conformational Space Annealing (CSA)
O CSA é um algoritmo populacional de otimização global aplicado para refinar o banco de moléculas:

• Função Objetivo: Combina três métricas normalizadas:
  1. QED: Estimativa quantitativa da "drug-likeness".
  2. SA (Synthetic Accessibility): Pontuação de acessibilidade sintética (menor é melhor).
  3. Vina Score: Afinidade de ligação predita pelo AutoDock Vina.
• Mecanismo de Evolução:
  • Cruzamento (Crossover): Combina informações de reação (fragmentos adicionados) entre moléculas "sementes" e "parceiras" de diferentes bancos (inicial e atual).
  • Mutação: Re-seleciona aleatoriamente componentes de reação baseados nos átomos reativos.
• Atualização do Banco: Novas moléculas ("filhos") são comparadas ao banco atual. O algoritmo utiliza um parâmetro de corte de distância ($D_{cut}$) que diminui gradualmente (de $D_{avg}/2$ para $D_{avg}/5$). Isso permite uma exploração ampla no início e um foco refinado nos ótimos globais no final.
• Iteração: O processo é repetido em três rodadas para gerar o banco final.

3. Contribuições Principais

1. Abordagem Baseada em Reações Reais: Diferente de métodos que apenas conectam fragmentos arbitrariamente, o MOZAIC usa regras SMARTS derivadas de química orgânica real, garantindo que as moléculas propostas tenham rotas de síntese definidas.
2. Otimização Global Robusta: A aplicação do CSA evita mínimos locais comuns em algoritmos genéticos, promovendo uma exploração mais profunda e diversificada do espaço químico.
3. Flexibilidade de Objetivos: A função objetivo é modular. Os autores demonstraram que métricas como QED e SA podem ser substituídas por outras propriedades (ex: solubilidade via modelo ESOL) sem reescrever o núcleo do algoritmo.
4. Diversidade de Esqueletos (Scaffolds): O método gera compostos com alta entropia de esqueleto, evitando a redundância estrutural comum em outras ferramentas de de novo design.

4. Resultados e Validação

O MOZAIC foi testado em três cenários de benchmark:

• Otimização de PDE10A (PDE10A):

  • Partindo de um fragmento inicial, o MOZAIC gerou compostos com afinidade de ligação predita superior ao composto líder conhecido (MK-8189).
  • O melhor composto mostrou uma melhoria de ~70% na afinidade de ligação (-10.359 kcal/mol vs -6.038 kcal/mol inicial) e manteve propriedades de "drug-likeness" comparáveis ao líder, apesar do aumento de complexidade.
  • Análise de Banco Inicial: A seleção inicial baseada em diversidade (MaxMinPicker) superou a seleção baseada apenas em pontuação, resultando em melhores ótimos globais.

• Comparação com CReM-Dock (TrmD):

  • Comparado ao CReM-Dock (outro método de crescimento de fragmentos), o MOZAIC produziu compostos com maior afinidade de ligação e maior diversidade estrutural.
  • O MOZAIC gerou 45 esqueletos únicos (vs 32 do CReM-Dock) e menor redundância estrutural.
  • Embora o CReM-Dock tenha tido pontuações ligeiramente melhores em SA/QED em alguns casos, o MOZAIC ofereceu uma exploração química mais ampla e realista.

• Robustez Estrutural (ADRB2 e AlphaFold3):

  • Testado contra estruturas cristalinas (2RH1) e estruturas preditas por AlphaFold3 (AF3) do receptor ADRB2.
  • O MOZAIC identificou quimiotipos competitivos em ambas as estruturas, mantendo alta afinidade e boa solubilidade, demonstrando resiliência a incertezas na estrutura do receptor.

• Otimização de Solubilidade (PPAR$\gamma$):

  • Ao substituir QED/SA por solubilidade (ESOL) na função objetivo, o MOZAIC conseguiu melhorar simultaneamente a solubilidade e a afinidade de ligação, demonstrando sua adaptabilidade a diferentes objetivos de design.

5. Significado e Conclusão

O MOZAIC representa um avanço significativo na interseção entre o design computacional de fármacos e a química sintética prática. Ao integrar regras de reação real com um algoritmo de otimização global (CSA), o sistema supera as limitações de métodos puramente estatísticos ou baseados em IA que frequentemente geram moléculas "fantasmas" (impossíveis de sintetizar).

Pontos-chave de impacto:

• Viabilidade: Reduz o risco de falha na síntese química ao propor rotas reais.
• Diversidade: Evita a convergência prematura para análogos repetitivos, explorando novos espaços químicos.
• Versatilidade: Pode ser adaptado para otimizar qualquer propriedade físico-química, não se limitando apenas à afinidade de ligação.

O código-fonte e os dados de benchmark estão disponíveis publicamente, facilitando a adoção e o desenvolvimento futuro pela comunidade de descoberta de fármacos. O trabalho sugere que a combinação de química orgânica in silico com otimização global é um caminho promissor para a transição de fragmentos para candidatos a fármacos otimizados.