Resumo Técnico: GeoLinker

Declaração do Problema

A Descoberta de Fármacos Baseada em Fragmentos (FBDD) é uma estratégia sistemática para montar ligantes de alta afinidade a partir de fragmentos de baixo peso molecular. Um gargalo crítico neste processo é o design de conectores moleculares (linker design): a tarefa de conectar dois ou mais fragmentos com um conector quimicamente válido e sinteticamente viável que preserve a geometria de ligação original dos fragmentos.

Os métodos generativos existentes enfrentam duas limitações primárias:

1. Restrições de Representação: Muitas abordagens dependem de representações 1D/2D (ex: SMILES) ou construção de grafos sequenciais, que têm dificuldade em capturar as complexas restrições geométricas 3D necessárias para preservar os modos de ligação.
2. Falta de Flexibilidade: Os modelos de difusão equivariantes de estado da arte atuais (ex: DiffLinker) são tipicamente otimizados para configurações de condicionamento específicas. Fluxos de trabalho práticos de descoberta de fármacos frequentemente exigem a alternância entre diferentes configurações de restrição (ex: geração sem restrições vs. guiada por âncoras vs. condicionada por tamanho) dentro do mesmo projeto, necessitando de múltiplos modelos ou retreinamento.

Metodologia

Os autores propõem o GeoLinker, um framework de difusão com equivariância SE(3) unificado, projetado para lidar com múltiplos cenários de conexão de fragmentos dentro de uma única arquitetura de treinamento.

Arquitetura Central

• Backbone: O modelo utiliza uma Rede Neural de Grafos Equivariante (EGNN) com seis camadas. Ele processa características escalares invariantes (tipos de átomos) e características de coordenadas equivariantes (posições 3D).
• Equivariância SE(3): A rede garante que as estruturas geradas transformem-se consistentemente com rotações e translações globais. Isso é alcançado construindo mensagens de aresta a partir de características de nós escalares e distâncias pareadas ao quadrado, atualizando as coordenadas via vetores de deslocamento relativo ponderados.
• Processo de Difusão: O GeoLinker emprega um Modelo Probabilístico de Difusão de Denoising (DDPM) formulado como um problema de inpainting geométrico condicional.
  • Processo Forward: Ruído é adicionado às posições dos átomos do conector ao longo de 1.000 passos de tempo, enquanto as coordenadas dos fragmentos permanecem fixas.
  • Processo Reverse: O modelo prevê coordenadas limpas ($x_0$) a partir de entradas ruidosas. As posições dos fragmentos são substituídas por coordenadas de verdade fundamental (ground-truth) em cada etapa de denoising para impor consistência geométrica.

Framework de Condicionamento Unificado

Um único modelo suporta quatro modos distintos de design via mascaramento dinâmico e módulos de condicionamento específicos:

1. Base (Sem restrições): Gera conectores condicionados apenas pela geometria dos fragmentos.
2. Guiado por Âncora (Anchor-Guided): Incorpora átomos de fixação conhecidos usando atenção cruzada sensível à âncora (anchor-aware cross-attention), onde as representações do conector atendem às representações da âncora. As posições das âncoras são mantidas fixas durante a difusão reversa.
3. Condicionado por Tamanho (Size-Conditioned): Condiciona a geração a uma contagem alvo de átomos do conector ($N_{link}$) usando embeddings de tamanho aprendidos, projetados no espaço de características de nós.
4. Conjunto (Joint): Combina a atenção cruzada de âncora e o condicionamento de tamanho para geração totalmente restrita.

Objetivos de Treinamento e Perdas

O modelo é treinado no conjunto de dados ZINC (438.610 moléculas) usando uma função de perda unificada que equilibra a reconstrução de coordenadas com a plausibilidade geométrica:

• Perda de Denoising ($L_{denoise}$): Erro Quadrático Médio (MSE) entre as coordenadas previstas e as coordenadas reais do conector.
• Perda de Tipo de Átomo ($L_{type}$): Perda de entropia cruzada para classificação de átomos.
• Perdas Geométricas Auxiliares:
  • Perda de Distância de Extremidade (Endpoint Distance Loss): Penaliza a distância entre as âncoras dos fragmentos e o átomo mais próximo do conector gerado, visando um comprimento de ligação de 1,5 Å.
  • Repulsão de Não-Âncora (Non-Anchor Repulsion Loss): Impede que os átomos do conector formem ligações com átomos de fragmentos que não sejam âncoras (dentro de 1,8 Å).
  • Perda de Choque Estérico (Steric Clash Loss): Aplica uma penalidade quadrática para distâncias interatômicas abaixo de 1,2 Å para evitar sobreposições não físicas.

Pós-processamento

Nuvens de pontos 3D geradas são convertidas em grafos moleculares usando um procedimento de percepção de valência gulosa (greedy), seguido de relaxação MMFF94 e sanitização RDKit.

Principais Resultados

O GeoLinker foi avaliado em três benchmarks: ZINC (em distribuição), CASF-2016 (complexos proteína-ligante bioativos) e GEOM-drugs (conformeros estruturalmente diversos).

• Troca entre Diversidade e Validade (Diversity vs. Validity Trade-off):
  • No benchmark ZINC, o GeoLinker alcançou valores significativamente maiores de Unicidade (86,4%–88,7%) e Novidade (78,7%–82,1%) comparado aos baselines como o DiffLinker (Unicidade: 22,7%–51,4%; Novidade: 30,3%–47,7%).
  • O GeoLinker gerou conectores com maior complexidade topológica (0,54–0,63 anéis por conector vs. 0,21–0,36 para baselines).
  • No entanto, isso ocorreu ao custo de uma menor Validade Química (44,1%–45,5%) comparado a métodos baseados em grafos (até 99,3%). Os autores atribuem isso ao fato de a abordagem baseada em coordenadas explorar um espaço estrutural mais amplo, o que por vezes resulta em topologias que falham na sanitização estrita.
• Generalização:
  • CASF-2016: O GeoLinker demonstrou generalização zero-shot para poses bioativas sem condicionamento de bolsa proteica (protein-pocket), alcançando ~58% de validade e ~71% de novidade.
  • GEOM-drugs: O modelo manteve alta diversidade (98%+ de unicidade/novidade) através de moléculas estruturalmente heterogêneas.
• Estudos de Caso:
  • Hsp90: O GeoLinker reconstruiu com sucesso uma topologia de conector de três carbonos conectando dois fragmentos na bolsa de ATPase da Hsp90, recuperando a topologia de um inibidor conhecido (similaridade de Tanimoto = 0,32).
  • IMPDH: O modelo gerou uma molécula conectando fragmentos complexos com uma similaridade de Tanimoto de 0,643 em relação a um inibidor de referência, preservando a geometria dos fragmentos de entrada.

Significância e Alegações

O artigo posiciona o GeoLinker como um framework unificado que aborda a necessidade prática de flexibilidade no design baseado em fragmentos. Suas principais contribuições são:

1. Versatilidade de Modelo Único: Ele suporta quatro regimes de restrição distintos (sem restrições, guiado por âncora, condicionado por tamanho e conjunto) dentro de uma única arquitetura com equivariância SE(3), eliminando a necessidade de modelos separados para diferentes estágios do fluxo de trabalho.
2. Diversidade Estrutural Aprimorada: Ao priorizar a geração geométrica 3D sobre a topologia de grafo discreta, o GeoLinker explora um espaço químico mais amplo, produzindo maior novidade e complexidade de anéis do que os baselines de difusão existentes.
3. Aplicabilidade Prática: O framework demonstra a capacidade de gerar conectores plausíveis para alvos bioativos (CASF-2016) e espaços químicos diversos (GEOM) sem condicionamento explícito da bolsa proteica.

Os autores reconhecem explicitamente um trade-off entre diversidade e validade, observando que, embora o GeoLinker se destaque na exploração de scaffolds diversos, sua validade química é inferior à de abordagens baseadas em grafos; eles enquadram isso como uma característica para as fases iniciais de descoberta, onde a exploração de novos scaffolds de ponte é priorizada, identificando a integração de predição direta de ligações e restrições de síntese como trabalho futuro necessário para melhorar a validade.