Genesis Molecular AI (korábban Genesis Therapeutics néven ismert cég) legújabb modellje, a PEARL — Place Every Atom at the Right Location — áttörést jelentő eredményeket közölt a fehérje–ligandum ko‑folding, azaz együttes szerkezetpredikció területén. A vállalatot társalapítóként említették Evan Feinberget és a CTO Sergey Edunovot; a cég állítása szerint a PEARL képes modellezni a fehérje flexibilitását és a ligand illeszkedéséhez szükséges apró fehérje‑elmozdulásokat, így a komplexek pontosabb előrejelzésére alkalmas, mint a statikus megközelítések.
Miért számít ez?
A fehérje–ligandum szerkezet helyes meghatározása kritikus a kis molekulás gyógyszerfelfedezésben, mert a kötődési módok pontos ismerete határozza meg a molekula interakcióit és hatékonyságát. A közelmúltban a közösség által gyakran használt mérőszám egy "jó pozíció" esetén 2 Å gyök‑átlagos távolság (RMSD) volt — a Genesis és egyes kutatók szerint ez a küszöb túl laza, sok esetben félrevezető lehet. Evan Feinberg álláspontja szerint körülbelül 1 Å RMSD‑re van szükség ahhoz, hogy a molekula magja és a kulcsfontosságú kölcsönhatások megbízhatóan a helyükön legyenek.
Benchmarkok és kritikájuk
A cég és a vezetők kritikája szerint a tudományos közösség egy részben azért ragadt le a 2 Å küszöbnél, mert a módszereket fejlesztő kutatók nem voltak gyakorlati felhasználók; így a benchmarkok élettartama és követelményei nem mindig tükrözik a gyógyszerfejlesztés igényeit. Példaként említik, hogy a hidrogénkötések érvényessége mindössze körülbelül 0,6 Å tartományhoz kötődik, tehát a 2 Å‑os eltérés könnyen elfedheti ezeket a kritikus interakciókat.
OpenBind és az EV‑A71 eredmények
Genesis közzétett eredményei közül külön figyelemre méltó a PEARL teljesítménye az OpenBind benchmarkon, amely 802 korábban nem látott fehérje–ligandum ko‑komplexet tartalmazott egy EV‑A71 célfehérjén. Ezen a célon gyakori az úgynevezett "induced fit" jelenség: a ligand belépésekor a fehérje elmozdul, hogy lezárja a bejáratot, amit nehéz hagyományos módszerekkel utánozni. A Genesis szerint PEARL ezeket az indukált illeszkedéseket hosszú molekuladinamikai (MD) szimulációk futtatása nélkül modellezte, és több metrika szerint gyakran jelentősen felülmúlta a nyilvános modelleket. A cég állítása szerint a modellt nem finomhangolták az EV‑A71-re, és a cél vagy homologjai adatai a PEARL tanítási határidején túl jelentek meg.
Agentikus munkafolyamatok: SAPPHIRE és laborpartnerségek
A Genesis szerint az előrelépés nemcsak egyetlen modell pontosságát jelenti, hanem hogy ezek a modellek átléptek egy határt, amely lehetővé teszi "agentikus" gyógyszerfelfedező hurkok működését. A belső rendszerük kódneve SAPPHIRE: a rendszer állítólag képes pózokat elemezni, hipotéziseket alkotni, szakirodalmat olvasni, belső eszközöket használni és új jelölteket generálni iterációról iterációra — hasonlóan egy gyakorlott kémiacsoport munkájához. Ilyen munkafolyamatokat automatizált laboratóriumi partnerkapcsolatokkal, például az Incyte‑tel való együttműködéssel kombinálva a végcél folyamatos tervezés‑tesztelés hurkok 24/7 működése.
Műszaki háttér és kutatási trendek
A beszélgetés említette, hogy a modern neurális háló‑architektúrák terén a valódi koncepcionális forradalom ritka volt a transzformerek megjelenése óta; ugyanakkor a diffúziós módszerek jelentős új primitíveket teremtettek, különösen a 3D szerkezetpredikcióban. Sergey Edunov, aki a Meta‑tól érkezett (Llama 2 képzés, Llama 3 előtréningek vezetése után), kiemelte, hogy a Genesisen belül jelentős innovációk történnek a diffúziós architektúrák alkalmazásában a 3D problémákra.
Hová tart a ko‑folding és mit jelent ez a gyógyszerkutatásnak?
A cikk szerzője, aki évek óta követi a protein–ligandum ML fejlesztéseket, úgy véli, hogy a PEARL és más, hasonlóan előremutató, zárt forrású csapatok eredményei — például Isomorphic és Deep Origin — arra utalnak, hogy közeledünk egy állapothoz, amikor a fehérje–ligandum kötődés előrejelzése megoldottnak tekinthető. Ugyanakkor a szakmai közösségnek és az akadémiának inspirációra és új, szigorúbb benchmarkokra lesz szüksége ahhoz, hogy ez a fejlődés szélesebb körben hasznosuljon.
Összegzés
Genesis Molecular AI PEARL modellje állítása szerint jelentős lépést tett a pontos fehérje–ligandum szerkezetpredikció felé: képes indukált illeszkedéseket kezelni, jobb pontosságot elérni az OpenBind EV‑A71 készletén (802 komplex) és elmozdulást javasol a közösségi benchmarkok megítélésében (1 Å vs. 2 Å RMSD). A cég víziója szerint ezen modellek és az agentikus munkafolyamatok (SAPPHIRE) ipari laborpartner‑integrációval együtt új korszakot nyithatnak a kis molekulás gyógyszerfelfedezésben.
(Oldaljegyzet: a PEARL technikai jelentés részletesebben tárgyalja a hagyományos benchmarkok korlátait.)
