🧬 biology

TACTIVS: Test-time actives induction for flexible target-specific virtual screening

O TACTIVS é um framework de indução ativa em tempo de teste que aproveita um modelo de fundação molecular pré-treinado para realizar uma triagem virtual flexível e específica para o alvo, combinando calibração livre de rótulos e propagação de grafo ponderada por conectividade, alcançando um enriquecimento competitivo sem exigir o ajuste fino do modelo, mesmo quando os ativos de consulta e de suporte pertencem a séries químicas distintas.

Autores originais: Douglas Houston, Lin Chen, Haoying Wang, Andreas Luttens, Pedro Ballester

Publicado 2026-10-09

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Douglas Houston, Lin Chen, Haoying Wang, Andreas Luttens, Pedro Ballester

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Nas fases iniciais da descoberta de um novo medicamento, os cientistas enfrentam um problema de procurar uma agulha num palheiro. Eles devem peneirar vastas bibliotecas que contêm milhões de compostos químicos para encontrar os poucos que podem conseguir ligar-se com sucesso a um alvo de doença específico e impedir que este cause danos. Tradicionalmente, os investigadores têm recorrido a duas estratégias principais para estreitar esta busca. Uma abordagem observa a forma física do alvo, como uma fechadura, e tenta encontrar uma chave que se encaixe. A outra observa chaves funcionais conhecidas — moléculas que já provaram ativar o alvo — e procura outras que sejam semelhantes. Embora o primeiro método exija mapas 3D detalhados do alvo, o segundo depende de se ter pelo menos um exemplo funcional para começar. O desafio surge quando os cientistas têm muito poucos exemplos, talvez apenas uma única molécula ativa confirmada, e precisam de encontrar mais sem perder tempo com milhões de becos sem saída.

Uma equipa de investigadores da Universidade de Edimburgo, do Instituto Karolinska e do Imperial College London desenvolveu um novo método chamado TACTIVS para resolver este problema específico. Em vez de tentar retreinar um modelo computacional complexo cada vez que uma nova molécula ativa é descoberta, o que normalmente requer uma grande quantidade de dados, o TACTIVS funciona reorganizando instantaneamente a forma como o computador visualiza toda a biblioteca de produtos químicos. O sistema utiliza uma compreensão pré-treinada e estática das formas moleculares e usa as poucas moléculas ativas conhecidas para remodelar imediatamente a busca. Faz isto criando um mapa onde as moléculas ativas conhecidas atuam como faróis. O sistema então traça caminhos através da biblioteca, não procurando apenas moléculas que sejam exatamente iguais aos faróis, mas também aquelas que estão conectadas a eles através de uma cadeia de semelhanças químicas. Isto permite ao sistema encontrar candidatos promissores que possam parecer bastante diferentes dos exemplos iniciais, mas que ainda assim pertencem à mesma família funcional.

Os investigadores testaram esta abordagem em vários conjuntos de dados grandes e padrão utilizados para avaliar o desempenho de triagem virtual. Num teste envolvendo quase 150 alvos biológicos diferentes, o novo método foi capaz de identificar moléculas ativas de forma muito mais eficaz do que as técnicas existentes quando lhe foi dada apenas uma única molécula ativa conhecida. Quando a equipa aumentou o número de exemplos ativos conhecidos para dez, a capacidade do método de encontrar os compostos corretos melhorou significamente, superando tanto as ferramentas tradicionais de correspondência de formas quanto outros sistemas avançados baseados em aprendizagem. Crucialmente, o método provou que consegue encontrar moléculas ativas mesmo quando estas são quimicamente distintas dos exemplos iniciais. Num teste rigoroso onde as moléculas ativas conhecidas e os compostos alvo pertenciam a famílias químicas completamente diferentes, o sistema ainda conseguiu classificar os compostos corretos muito acima do que o acaso permitiria. Isto sugere que o método não está meramente a encontrar cópias próximas das moléculas iniciais, mas está a navegar com sucesso pelo panorama químico mais amplo para encontrar novos tipos de fármacos eficazes.

O cerne deste sucesso reside na forma como o sistema lida com os dados. Em vez de ajustar as configurações internas do modelo computacional para se ajustar ao novo alvo, o que pode ser instável com muito poucos dados, os investigadores ajustaram a forma como os dados são medidos. Aplicaram uma transformação matemática que remove o ruído de fundo e destaca as diferenças específicas que importam para a busca atual. Isto permite que o sistema veja as relações entre as moléculas de forma mais clara. Ao combinar uma comparação direta com as moléculas ativas conhecidas e uma análise mais ampla de como as moléculas estão conectadas umas às outras na biblioteca, o sistema cria uma classificação que evolui à medida que mais informação se torna disponível. Se um cientista descobrir um novo composto ativo durante um experimento, pode simplesmente adicioná-lo à lista, e o sistema recalcula instantaneamente as classificações sem necessidade de ser retreinado.

Este trabalho demonstra que o valor de um único resultado experimental pode ser maximizado ao utilizá-lo para guiar uma busca flexível em toda a biblioteca. As descobertas sugerem que, para muitas campanhas de descoberta de fármacos, especialmente onde os dados são escassos, a estratégia mais eficaz não é construir um novo modelo para cada alvo, mas sim utilizar uma compreensão partilhada e robusta da química e adaptar a estratégia de busca sobre a marcha. Os investigadores descobriram que, à medida que mais moléculas ativas eram adicionadas ao conjunto de referência, a qualidade da busca melhorava continuamente, confirmando que o método aprende com a evidência acumulada. Ao provar que um sistema pode permanecer fixo enquanto a estratégia de busca se adapta a novos alvos, esta abordagem oferece um caminho prático e eficiente para a identificação de novos medicamentos nas fases iniciais e de poucos dados da descoberta.

Resumo Técnico: TACTIVS

Problema
A triagem virtual (VS) é um pilar fundamental na fase inicial da descoberta de fármacos, mas extrair o valor máximo de dados experimentais limitados continua sendo um desafio significativo, particularmente no regime de "poucos disparos" (few-shot), onde apenas um pequeno número de moléculas ativas conhecidas está disponível. A triagem virtual baseada em ligantes (LBVS) tradicional depende de métricas de similaridade ou regras de alinhamento predefinidas, que frequentemente falham em considerar a organização mais ampla da biblioteca de candidatos. Por outro lado, métodos recentes de poucos disparos baseados em estrutura frequentemente requerem treinamento adicional específico do alvo ou adaptação do modelo (por exemplo, ajuste de parâmetros/fine-tuning), o que é computacionalmente caro e propenso ao sobreajuste (overfitting) quando os dados são escassos. Um desafio central não resolvido é como alcançar classificações flexíveis e específicas para o alvo diretamente no momento do teste, sem o retreinamento de codificadores ou o ajuste de funções de saída (readouts) específicas do alvo, enquanto ainda se aproveita a estrutura relacional de toda a biblioteca de triagem.

Metodologia
Os autores apresentam o TACTIVS (Test-time ACTIves induction for flexible target-specific VS), um framework de inferência transdutiva baseada em ligantes. Diferente das abordagens convencionais que tratam os candidatos como comparações de similaridade independentes ou exigem atualizações de parâmetros, o TACTIVS constrói uma classificação específica do alvo propagando evidências através de um grafo de vizinhança de toda a biblioteca de candidatos.

O fluxo de trabalho consiste em três estágios primários:

Representação Congelada e Cache de Embeddings:
O TACTIVS utiliza um modelo de Transformer Equivariante Pré-treinado (EPT). O codificador permanece congelado durante todo o processo. Os conformeros das moléculas da biblioteca de triagem e dos ativos de referência são codificados em vetores de 512 dimensões. Esses vetores são armazenados em cache para evitar a codificação repetida. Crucialmente, o framework emprega uma estimativa de covariância compartilhada derivada de um corpus molecular independente e de larga escala (partição de treinamento PDBscreen) em vez da biblioteca específica do alvo. Isso evita a instabilidade estatística quando as bibliotecas de alvo são pequenas.
Calibração Livre de Rótulos (Branqueamento):
Para abordar a anisotropia das representações pré-treinadas, o TACTIVS aplica uma transformação de branqueamento (whitening). Ele centraliza os embeddings usando a média balanceada por moléculas da biblioteca do alvo atual e aplica um branqueador de raiz quadrada inversa simétrica baseado na matriz de covariância compartilhada com regularização por encolhimento (shrinkage). Isso transforma os embeddings em um espaço onde as direções de alta variância na distribuição de pré-treinamento não dominam a métrica de similaridade, tornando a informação mais acessível para a recuperação baseada em similaridade simples.
Inferência Transdutiva via Propagação em Grafo:
A inferência combina duas fontes de evidência:
- Similaridade Direta Ativo-Referência: Os candidatos são pontuados com base em sua similaridade direta com os conformeros das referências ativas conhecidas.
- Evidência Relacional Propagada via Grafo: Um grafo de vizinhança ponderado é construído sobre toda a biblioteca (incluindo ativos e candidatos) utilizando os embeddings calibrados. Os ativos conhecidos "semeiam" o grafo com evidência de atividade. Essa evidência é então propagada pelo grafo usando um mecanismo de caminhada aleatória com reinício (random walk with restart). Isso permite que candidatos que não são vizinhos diretos de um ativo ainda recebam suporte se estiverem conectados via moléculas intermediárias, capturando caminhos moleculares de múltiplos passos.
A pontuação de classificação final é uma combinação linear da similaridade direta padronizada e da pontuação de propagação do grafo. O framework não requer ajuste fino (fine-tuning) do codificador ou ajuste de função de saída específica do alvo; ele se adapta exclusivamente através da seleção de moléculas de referência e do contexto da biblioteca.

Principais Contribuições

Adaptação em Tempo de Teste sem Treinamento: O TACTIVS alcança especificidade de alvo contextualizando os ativos conhecidos dentro do manifold dos candidatos no momento da inferência, eliminando a necessidade de atualizações de parâmetros ou dados de treinamento adicionais.
Propagação Transdutiva em Grafo: Introduz uma abordagem de inferência ao nível da biblioteca, onde a própria coleção de triagem torna-se parte do processo de inferência, permitindo que a evidência flua através da rede molecular em vez de depender apenas de similaridade par a par.
Calibração de Covariância Robusta: O uso de uma estimativa de covariância externa e compartilhada para o branqueamento garante uma calibração estável, mesmo quando a biblioteca do alvo é pequena ou quimicamente redundante, evitando a instabilidade de estimar a covariância a partir de dados de poucos disparos (few-shot).
Generalização de Séries Químicas: O método é projetado para recuperar moléculas ativas que pertencem a séries químicas distintas do conjunto de referência, indo além da recuperação de análogos estruturais próximos.

Resultados
Os autores avaliaram o TACTIVS em duas famílias de benchmarks principais: VSDS-vd (subconjuntos TrueDecoy e RandomDecoy) e LIT-PCBA.

Desempenho em VSDS-vd: O TACTIVS superou significativamente os baselines de estado da arte, incluindo docking baseado em estrutura (ex: Glide, AutoDock), métodos híbridos e outras abordagens baseadas em ligantes. Com um único ativo de referência, o TACTIVS alcançou um EF@0.5% de 19.09 no TrueDecoy, excedendo substancialmente o melhor baseline publicado de 6.91. O desempenho melhorou consistentemente à medida que o número de ativos de referência ( $K$ ) aumentava, atingindo um EF@1% de 34.13 com $K=10$ .
Desempenho em LIT-PCBA: Em uma comparação contra modelos de zero disparos (zero-shot, como ConGLUDe) e modelos de adaptação de poucos disparos (Drug-few), o TACTIVS demonstrou enriquecimento precoce superior. Com $K=8$ , alcançou um BEDROC de 0.182, superando tanto o modelo de 8 disparos Drug-few quanto o modelo zero-shot ConGLUDe.
Avaliação de Séries Disjuntas: Sob protocolos de avaliação rigorosos onde os ativos de referência e consulta pertenciam a séries químicas distintas (similaridade Tanimoto ECFP4 < 0.5), o TACTIVS manteve um enriquecimento precoce substancial. Isso confirmou que o método não apenas recupera análogos próximos, mas pode generalizar para novos quimiotipos dentro da biblioteca.
Estudos de Ablação: A remoção da transformação de branqueamento de covariância resultou em uma queda significativa no desempenho (ex: uma queda de 20.32 pontos no EF@1% no RandomDecoy), destacando a importância da etapa de calibração. Da mesma forma, a remoção do componente de propagação em grafo reduziu o desempenho, confirmando o valor da evidência relacional.

Significância e Alegações
O artigo afirma que o TACTIVS estabelece as representações moleculares pré-treinadas como substratos adaptáveis para triagem específica de alvos flexível. Os autores argumentam que a especificidade do alvo não requer necessariamente atualizações de parâmetros; em vez disso, ela pode emergir naturalmente quando um procedimento de inferência geral contextualiza os ativos conhecidos dentro do manifold dos candidatos.

O trabalho propõe uma mudança de perspectiva para a triagem virtual: distinguindo entre triagem de novo (onde nenhum ativo é conhecido) e triagem incremental (onde hits experimentais estão disponíveis). O TACTIVS aborda esta última, fornecendo uma rota prática para maximizar o valor de dados experimentais escassos, permitindo que novos ativos informem classificações subsequentes imediatamente, sem retreinamento. Os autores posicionam isso como uma forma de generalização onde uma representação e regra de inferência compartilhadas são especializadas no tempo de teste através de raciocínio transdutivo, oferecendo uma alternativa eficiente em termos de dados aos paradigmas de aprendizado de poucos disparos que dependem de adaptação de parâmetros.

Mais como este