通过口袋条件扩散和属性感知优化生成可开发的3D分子

# 通过口袋条件扩散和性质感知优化生成可开发的三维分子

来源：https://arxiv.org/html/2607.12349

Ruoxi Gao¹, Jiangweizhi Peng², Ziqi Chen³, Frazier N. Baker¹, David C. Kombo⁴, John L. Kane, Jr.⁴, Andrew A. Scholte⁴, Yi Li⁴, Matthew J. LaMarche⁴, Luigi I. Iconaru⁵, Hans-Peter Biemann⁵, Mingyi Hong⁶, Xia Ning¹,⁷,⁸,⁹ ✉

## 引言

药物发现与开发是一个复杂、耗时且资源密集型的过程——新药通常需要12-15年的开发时间[singh2023drug]，成本高达3.78亿至17.6亿美元[sertkaya2024costs]。为了加速这一进程并降低成本，计算方法，特别是近期出现的生成模型（例如，扩散模型[hoogeboom22diff, guan2023decompdiff]、变分自编码器[jin18jtvae]、大型语言模型[Yu2024]），已被用于*de novo*药物设计。这些模型不是通过对大型库进行昂贵的搜索来识别潜在的结合分子，而是基于从大量实验数据中学到的化学知识，直接在*in silico*中生成分子。这些模型通常遵循两种传统的药物设计框架之一：(1) 基于结构的药物设计(SBDD)，其中分子被设计成适合给定靶点的结合口袋结构；以及(2) 基于配体的药物设计(LBDD)，其中分子被设计成类似于已知的结合配体。与LBDD相比，SBDD通过明确利用口袋-配体相互作用，为分子发现提供了更直接、更具机制性的切入点，从而为后续基于配体的建模和优化提供了原则性的起点。近年来，用于SBDD的生成模型的发展[chen2025generating, guan2023decompdiff, guan2023targetdiff]以扩散模型[ho2020ddpm]为主导范式，该过程逐渐将噪声转化为分子结构。通过学习数据中化学和结构上可行的分子的潜在分布，并利用这些分布生成新颖分子，扩散模型有望通过快速产生高质量、功能相关的候选分子，彻底改变*de novo*药物设计。

尽管如此，现有基于扩散的SBDD模型仍有很大的改进空间。通常，基于扩散的SBDD模型倾向于将口袋和配体表示学习耦合起来，使用共享表示来反映复杂的口袋-配体相互作用。然而，这种耦合可能会放大早期的生成误差，导致在扩散的迭代细化过程中表示逐渐退化。相反，专门的口袋表示学习可能更好地捕捉结合口袋的结构和性质，因此配体生成可以基于有利于强结合的稳健口袋特征。此外，许多现有模型在建模口袋-配体相互作用时，尚未充分利用跨多个尺度（从原子水平到残基水平）的交互信号。融入丰富的多尺度交互信号，可以让模型更好地表示结合位点的生化环境，捕捉局部原子相互作用以及更广泛的残基水平上下文，这些共同支配配体识别和结合。

此外，生成式SBDD模型通常优先考虑生成具有优化结合亲和力的配体，而将其他关键的药物特性，如吸收、分布、代谢、排泄和毒性(ADMET)，留待下游的先导化合物优化阶段处理。虽然这与传统的药物开发过程[hughes2011principles]一致，但也凸显了采取更积极主动策略的机会——在初始分子生成阶段就考虑更广泛的药物相关特性，从而增加最终成功的可能性。

这些见解促使我们设计一种新的、解耦的、多尺度的、可开发性感知的基于扩散的SBDD框架。在此，我们介绍conDitar-dev，一个条件扩散的SBDD框架，能够生成具有强结合亲和力和良好ADMET特性的配体。conDitar-dev由三个模块组成：(1) 一个预训练的多尺度口袋表示学习模块，称为msPRL，它将结合口袋的原子和残基层面的组成与结构编码成具有表现力的表示，以指导配体生成；(2) 一个口袋条件扩散模型，用于生成针对强靶点结合的配体，称为conDitar；(3) 一个基于conDitar的生成时、性质感知的药物可开发性优化机制，称为paOPT。conDitar采用一个口袋条件配体生成器，称为pcLG，从msPRL学习的口袋表示以及原子和残基水平的口袋-配体相互作用中，预测潜在结合配体的原子类型和结构。pcLG预测的原子位置和类型用于指导conDitar的扩散过程，最终生成具有高结合亲和力的配体。除了结合亲和力，无训练、即插即用的paOPT将配体生成引导向同时具有高结合亲和力和良好ADMET特征的方向。

总之，conDitar-dev提出了一种新的基于扩散的范式，用于生成具有高结合亲和力和良好药物可开发性特征的配体，在现实世界的药物发现和开发环境中连接了结合驱动设计和可开发性优化。图1展示了conDitar-dev的总体架构。

为了评估conDitar-dev以及文献中的其他SBDD方法[luo2021sbdd, peng22pocket2mol, guan2023targetdiff, guan2023decompdiff]，我们基于广泛使用的基准数据集CrossDocked2020[Francoeur2020]（记为CD）精心整理了一个新数据集，记为CDH。虽然被广泛采用，但CD包含人类和非人类蛋白质靶点（分别占33%和67%）。这会对转化功效和安全性构成风险，因为即使对于保守靶点，人类与非人类蛋白质在序列、结构、动力学和构象上的差异也可能改变配体结合和靶点参与[marshall2023poor]。为了解决这个问题，CDH被整理为仅包含人类靶点，包括来自CD的人类靶点、CD中非人类靶点的人类直系同源物，以及来自蛋白质数据库(PDB)[berman2000protein]中额外、精心挑选、经过实验验证且在对生命构成威胁的疾病（如癌症）中具有高治疗价值的人类靶点。

在CDH和CD上，我们将conDitar-dev与七个最先进的基线方法在生成高质量配体方面进行了广泛比较。计算结果表明，conDitar生成的配体具有优越的预测结合亲和力，在CDH上平均得分为-8.85 kcal/mol，比最佳基线提高了7.4%；而conDitar-dev在CDH上进一步改善了ADMET特性，在五项ADMET特性上平均改善高达73%，同时保持了相当的预测结合亲和力。

为了进一步证明conDitar-dev能够提出可开发的分子，我们对程序性死亡配体1(PD-L1)和集落刺激因子1受体(CSF1R)蛋白进行了案例研究，这两个是治疗上重要且经过验证的靶点，具有可用的结构。合成并测试了conDitar-dev生成的前几名配体及其类似物，并进行了生物测定。在这两个靶点上，选定的分子显示出有前景的生物活性。特别是，conDitar-dev为PD-L1生成的两个配体显示出低微摩尔范围的SPR衍生结合活性，KD值低于3.80 μM。对于CSF1R，从conDitar-dev生成的配体衍生出的两个类似物显示出强激酶活性和高选择性，IC50值低于0.31 μM，混杂命中率最高为2.4%。这些生物学测试结果表明，conDitar-dev不仅能生成计算预测具有结合活性的配体，还能在体外产生具有生物活性和可开发性的分子。

总之，我们强调conDitar-dev的优点如下：

- • conDitar-dev将口袋条件生成和性质优化统一在一个框架内，将可开发性考虑直接纳入初始药物设计过程。
- • conDitar利用解耦的口袋表示学习产生具有强结合亲和力的配体。这种解耦使得msPRL能够更好地捕捉结合口袋信息，从而为pcLG提供稳健的口袋条件。
- • msPRL和pcGL编码了结合口袋和口袋-配体相互作用的多尺度特征，使得分子生成能够同时受局部原子细节和更广泛的残基水平上下文（共同支配配体识别和结合）的影响。
- • conDitar-dev通过引入无训练的paOPT，在conDitar的生成过程中直接优化这些性质，从而实现了有利的ADMET特征。这使得外部ADMET信号和口袋条件能够共同指导配体生成。
- • 在PD-L1和CSF1R上进行的广泛in silico分析案例研究表明，conDitar-dev可以生成可开发的分子，其结合模式与这两个靶点的已知结合配体相似。
- • 针对PD-L1和CSF1R，已实验合成并测试了十五个conDitar-dev设计的前沿分子及其衍生物和类似物。已发现两个命中化合物在纳摩尔浓度下具有靶点抑制作用，七个命中化合物在低微摩尔浓度下具有靶点抑制作用。

参见图1说明：图1：conDitar-dev总体示意图。a，口袋表示预训练，msPRL。一个口袋表示学习模块被预训练，以将蛋白质口袋编码为多尺度的原子水平和残基水平特征。b，conDitar模型训练和推理。在固定口袋特征的条件约束下，conDitar通过口袋条件扩散模型为靶点口袋生成3D配体。c，生成时分子优化，paOPT。在推理过程中，conDitar-dev以无训练的方式优化原始轨迹，将生成的分子引导向改善的ADMET特性。

## 相关工作

##### 用于SBDD的生成模型

基于结构的药物设计(SBDD)利用了多种生成建模方法来设计针对特定蛋白质口袋的配体。Peng等人[peng22pocket2mol]构建了一个编码器-预测器框架Pocket2Mol，可以以自回归方式生成配体。然而，Pocket2Mol依赖于自回归采样过程，该过程往往违反几何约束，并产生与口袋相互作用有限的配体，导致低结合亲和力。最近，用于配体生成的靶点感知扩散模型[guan2023targetdiff, guan2023decompdiff, zhoudecompopt, gu2024aligning, huang2024protein]在很大程度上解决了这些局限性，提供了更好的几何一致性和结合亲和力。Guan等人[guan2023targetdiff]开创了这一方向，引入了一个E(3)等变条件扩散模型[fuchs2020se, satorras2021n, ho2020ddpm, hoogeboom2021argmax] TargetDiff，该模型以蛋白质口袋结构为条件，联合生成配体在3D中的原子坐标和类型。它通过精心设计等变评分网络和尊重几何对称性的去噪过程来实现这一点，从而为基于扩散的SBDD方法建立了强大的基线。为了进一步提高构象稳定性和分子有效性，Guan等人[guan2023decompdiff]提出了DecompDiff。受药物化学中骨架-分支设计实践的启发[schneider1999scaffold]，DecompDiff将配体分子分解为骨架和分支，并分别为每个部分学习扩散先验。这种分解设计促进了更有结构的生成，并提高了探索化学空间的效率。在分解先验思想的基础上，Zhou等人[zhoudecompopt]引入了DecompOpt，它将口袋-配体相互作用分解为局部子口袋-分支相互作用，并采用迭代