Generatives Moleküldesign, das ADMET übersteht

Jedes generative Modell liefert bis zum Mittag zehntausend Moleküle. Der Engpass war nie die Generierung. Er liegt darin, zu entscheiden, welche drei von diesen zehntausend eine Chemikerwoche wert sind - und sagen zu können, warum, einschließlich welchen der eigenen Vorhersagen nicht zu trauen ist.

Dieser Artikel begleitet ein designtes Molekül von Anfang bis Ende: Generierung, Drug-Likeness, ADMET- und Toxizitätsscreening, dann eine Bindungsprüfung. Jede Zahl unten ist eine wörtliche Ausgabe eines CovaSyn-Tool-Laufs, und die Out-of-Domain-Flags werden gezeigt statt versteckt, denn genau diese Flags machen aus einem Score eine Entscheidung.

Generierung ist billig, Filterung ist teuer

Ein genetischer Algorithmus über ein Seed-Gerüst, ein VAE, ein Diffusionsmodell über 3D-Taschen - alle erzeugen gültige SMILES zu praktisch null Grenzkosten. Was sie nicht erzeugen, ist ein Grund zur Überzeugung. Die Kosten liegen weiter unten: Ein Syntheseversuch kostet Tage Chemikerzeit, ein In-vitro-hERG-Patch-Clamp oder Ames-Test kostet reales Geld pro Verbindung, und ein falsch negatives Ergebnis, das In-vivo erreicht, ist die teure Art von Fehler.

Die eigentlich nützliche Frage an ein generatives Tool lautet daher nicht "kann es Moleküle erfinden", sondern "was lehnt es ab, und auf welcher Evidenz". Ein Filterstapel, der alles durchlässt, ist Dekoration.

Die Filterreihenfolge, die zählt

Filter sollten zuerst nach Kosten und zuerst nach Entscheidungskraft laufen. In der Praxis bedeutet das:

Stufe 5 ist die, die die meisten Pipelines überspringen - und genau sie verändert, was mit Stufe 4 und 6 geschieht.

Durchgerechnetes Beispiel: ein GA-Analog, ganz durchlaufen

Das Molekül unten wurde designt, nicht kuratiert. covachem_design führte einen genetischen Algorithmus aus, ausgehend vom Sotorasib-Gerüst, und lieferte nach 4 Generationen ein validiertes Analogon, wobei der interne GA-Score von 0,26 auf 0,37 stieg.

Was `covachem_design` lieferte:

• QED 0,77
• Synthetische Zugänglichkeit (SA) 2,44
• MW 359
• 6 von 6 Drug-Likeness-Filtern bestanden
• RDKit-validiert, PAINS 0, Brenk 0

Das ist ein sauberes Blatt für Stufe 1-3. Bei den meisten generativen Design-Demos endet hier die Folie und das Wort "Kandidat" erscheint. Sollte es aber nicht.

Was `covatox_quickscreen`, `covatox_assess_admet` und `covatox_structural_alerts` für dieselben SMILES ohne Änderungen lieferten:

Zwei der drei Modell-Endpunkte lieferten Zahlen, die alarmierend aussehen und für dieses Molekül nicht interpretierbar sind. Ein Tool, das "Ames-Risiko 0,84 - HOCH" ohne Domain-Flag gemeldet hätte, hätte einen Chemiker einer Mutagenitätsgeschichte hinterherjagen lassen, für die das Modell keine Grundlage hat.

Eine erfundene SMILES-Zeichenkette lief maschinell durch drei Engines, ohne dass ein Mensch sie neu eingetippt hat, und das -9,44-kcal/mol-Ergebnis am Ende lässt sich bis zu dem Molekül zurückverfolgen, das der GA am Anfang erzeugte.

Was "in domain" tatsächlich bringt

Die Applicability Domain ist eine Aussage über den Trainingsdatensatz, nicht über das Molekül. Ein Modell ist in domain, wenn die Anfrageverbindung innerhalb des chemischen Raums liegt, auf dem es gefittet wurde. Außerhalb dieses Raums liefert das Modell trotzdem eine Zahl, weil das Modelle nun einmal tun, aber die Zahl ist Extrapolation.

Im obigen Beispiel: hERG in domain bedeutet, das CovaTox-hERG-Modell hat ähnliche Chemie schon gesehen, daher ist 0,0125 eine Zahl, auf die man handeln kann. Ames und DILI out of domain bedeutet, das Gerüst ist diesen Modellen unbekannt, daher tragen 0,84 und 0,90 keine kalibrierbare Information.

Für generatives Design zählt das mehr als für Bibliotheks-Screening, weil generative Modelle gerade darin gut sind, bekannten chemischen Raum zu verlassen. Je besser der Generator, desto häufiger liegen die ADMET-Modelle out of domain. Design und Filterung ziehen in entgegengesetzte Richtungen, und nur eine explizite Domain-Prüfung macht diese Spannung sichtbar.

Wie gut sind die Filter selbst

Domain-Flags helfen nur, wenn die In-domain-Vorhersagen etwas taugen. CovaTox berichtet Holdout-Metriken auf Scaffold-Split - Testverbindungen, deren molekulare Kerne im Training fehlen, der härtere und ehrlichere Split.

Separat erreichte CovaTox' Standard-Pipeline auf dem offiziellen Split der TDC-ADMET-Benchmark-Gruppe (nur auf dem offiziellen Trainings-Split neu trainiert, 5 Seeds, bewertet mit TDCs eigenem Evaluator) AUROC 0,847 +/- 0,013 für Ames bei n_test 1457. Referenz: Huang et al., Nat Chem Biol 18, 1033 (2022) sowie das laufende Leaderboard auf tdcommons.ai.

Zwei Vorbehalte sind es wert, klar benannt zu werden. Erstens: Die eingesetzten Modelle und der TDC-Split-Retrain sind unterschiedliche Fits, die beiden Tabellen sind also nicht direkt vergleichbar. Zweitens: Mehrere publizierte ADMET-Endpunkte haben sehr kleine offizielle Testsets - DILI mit n_test 96 und HIA mit n_test 117 im TDC-Split - und eine Headline-AUC auf weniger als 150 Verbindungen sollte keine Portfolioentscheidung treiben.

Was das nicht verrät

• Docking-Scores sind keine Affinitäten. -9,44 kcal/mol rankt Posen innerhalb einer Kampagne gegen eine Struktur. Es sagt keine Ki voraus und sagt nichts über kovalente Bindungsbildung, auch wenn die Pose ein Cystein kontaktiert.
• Eine NIEDRIG-hERG-Vorhersage ist kein sauberer Patch-Clamp. Es ist ein Prior, der die Reihenfolge der Assays festlegen hilft, nicht mehr.
• Out-of-domain-Scores bedeuten nicht "wahrscheinlich unbedenklich". Sie sind in beide Richtungen unbekannt. Ein DILI-Wert von 0,90 out of domain ist auch kein Sicherheitsbeweis.
• SA 2,44 ist eine Heuristik, keine Route. Ob das Molekül tatsächlich herstellbar ist, entscheiden Retrosynthese und chemisches Urteilsvermögen.
• 6 von 6 Drug-Likeness-Filtern ist eine Untergrenze, kein Signal. Lipinski-artige Regeln zu bestehen ist unter Molekülen üblich, die aus anderen Gründen scheitern.
• Nichts davon ist eine regulatorische Position. Das sind Triage-Ausgaben zur Priorisierung von Experimenten.

Praktisches Vorgehen für eine Design-Kampagne

1. Breit generieren, dann Stufen 1-3 als harte Grenze anwenden. Sie sind kostenlos und entfernen offensichtlichen Ausschuss. 2. covatox_quickscreen auf den Überlebenden ausführen und das Domain-Flag als vollwertige Spalte neben dem Score behalten. 3. In drei Gruppen aufteilen: in-domain-sauber, in-domain-geflaggt, out-of-domain. Nur die erste ist eine Shortlist. Die dritte ist die Assay-Liste. 4. GPU-Docking-Zeit nur für die Shortlist einsetzen.

Die knappe Ressource ist nicht die Rechenleistung. Es ist die Zahl der Moleküle, die ein Chemiker tatsächlich herstellen wird.

Häufige Fragen

Erzeugt generatives Moleküldesign synthetisierbare Moleküle?

Nicht automatisch. Generative Modelle optimieren die vorgegebene Zielfunktion, und Validität ist keine Herstellbarkeit. Ein Score für synthetische Zugänglichkeit ist die günstige erste Prüfung - das GA-Analogon oben erreichte SA 2,44 aus covachem_design, was im herstellbaren Bereich liegt. Das ist eine Heuristik auf Basis von Fragmenthäufigkeit, keine Route. Alles, was tatsächlich hergestellt werden soll, sollte vor Laborzeit mit Retrosyntheseplanung und chemischer Prüfung bestätigt werden.

Welche ADMET-Endpunkte sollten einen generativen Design-Lauf filtern?

Mindestens hERG, Ames-Mutagenität, CYP-Hemmung und ein Permeabilitäts- oder BBB-Endpunkt, je nach Zielkompartiment. Auf CovaTox-Scaffold-Split-Holdouts sind das die besser abgesicherten Endpunkte: hERG AUC 0,856 (n_test 7500), CYP2C9 AUC 0,911 (n_test 2419), Ames Balanced Accuracy 0,736 (n_test 1089). Endpunkte mit Testsets unter etwa 150 Verbindungen sollten die Triage informieren, aber kein Programm blockieren.

Was bedeutet "außerhalb der Applicability Domain" für einen vorhergesagten Toxizitätsscore?

Es bedeutet, dass das Anfragemolekül außerhalb des chemischen Raums liegt, auf dem das Modell trainiert wurde, sodass die Zahl Extrapolation statt Vorhersage ist. Im durchgerechneten Beispiel lieferte covatox_assess_admet Ames 0,84 und DILI 0,90, flaggte aber beide als out of domain, während hERG mit 0,0125 in domain lag. Die korrekte Reaktion auf ein Out-of-domain-Flag ist, einen Assay einzuplanen - nicht, dem Score zu vertrauen oder ihn zu verwerfen.

Warum lösen generative Modelle so oft Out-of-domain-Flags aus?

Weil genau dafür sie da sind. Ein Generator, der nur Moleküle erzeugt, die dem Trainingsdatensatz der ADMET-Modelle ähneln, bringt wenig zusätzlichen Wert. Je neuartiger die Chemie, desto weiter liegt sie von den QSAR-Trainingsverteilungen entfernt, und desto häufiger schlägt die Domain-Prüfung an. Das ist eine strukturelle Spannung im De-novo-Design, kein Tool-Defekt - weshalb das Domain-Flag mit dem Score mitreisen muss.

Kann ein Docking-Score ein generativ designtes Molekül bestätigen?

Er kann eine Bindungshypothese stützen und Kandidaten gegeneinander ranken. covadock_dock lieferte für das designte Analogon gegen KRAS G12C (PDB 6OIM) -9,44 kcal/mol mit 47 Interaktionen und einem Cys26-Kontakt. Das ist ein nicht-kovalenter Ranking-Score in eine hinterlegte Struktur. Es ist keine Affinität, keine Vorhersage kovalenter Bindung, und es ersetzt keinen biochemischen Assay.

Wie viele generierte Moleküle überstehen typischerweise einen vollständigen Filterstapel?

Es gibt keine universelle Zahl - sie hängt vollständig vom Generator, dem Seed-Gerüst und der Strenge der Domain-Grenze ab. Die nützliche Kennzahl ist nicht die Überlebensrate, sondern die Zusammensetzung der Überlebenden: wie viele sind in-domain-sauber gegenüber out-of-domain. Wenn fast alles out of domain liegt, erkunden ADMET-Modelle und Generator unterschiedliche chemische Räume, und es braucht experimentelle Daten, bevor der Filterstapel überhaupt etwas bedeutet.

Weiterführende Artikel

• Applicability Domain: warum ein Modell "ich weiß es nicht" sagen können muss
• Was ein Docking-Score von -10 kcal/mol bedeutet - und was nicht
• KI-Retrosynthese: Routen, die sich tatsächlich fahren lassen
• Co-Folding vs. Docking: welche Frage wird eigentlich gestellt

Dieselbe Kette am eigenen Gerüst ausprobieren - covachem_design, covatox_quickscreen und die Domain-Prüfung sind alle in der kostenlosen Stufe von CovaSyn verfügbar.