מודל יסוד מדרגי ומדויק ברמת הקוונטים לשדות כוח ביומולקולריים באמצעות תשומת לב מרובעת טנזורית לינארית

מדוע סרטוני מולקולות מהירים חשובים

גילוי תרופות ועיצוב חומרים מודרניים נשענים יותר ויותר על "סרטוני" מחשב של מולקולות המתעוותות, מתכופפות ומגיבות. סימולציות אלה יכולות לחשוף כיצד תרופה מתמקמת בכיס של חלבון או כיצד חומר חדש מתנהג תחת עומס. אבל הכלים הקיימים היום מאלצים מדענים לבחור: שיטות מהירות שמקצרות פינות במחיר הדיוק, או חישובי קוונטים מדויקים ביותר שאיטיים מדי למערכות מורכבות וברת-מציאות. המאמר הזה מציג את LiTEN ואת מודל שדות הכוח LiTEN-FF, גישה מבוססת בינה מלאכותית שמטרתה לספק דיוק ברמת הקוונטים במהירויות המתאימות למודלינג מולקולרי יום-יומי.

הבעיה במודלים מולקולריים של היום

סימולציות מולקולריות מסורתיות נחלקות לשתי מגמות. שדות כוח קלאסיים מתייחסים לאטומים ככדורים המחוברים בקפיצים עם פרמטרים קבועים. הם מהירים ויכולים להתמודד עם חלבונים גדולים או תקופות זמן ארוכות, אך מתקשים בשינויים עדינים בצורה, בסידור קשרים ובדרכי תגובה החשובות לכימיה אמיתית. שיטות קוונטיות, לעומת זאת, מתארות אלקטרונים במפורש ויכולות ללכוד באופן מדויק שבירה ויצירה של קשרים. עם זאת, הן תובעניות כל כך מבחינת חישוב שהן מוגבלות בדרך כלל למולקולות קטנות או לסימולציות קצרות מאוד. בשנים האחרונות הופיעו שיטות ולמידת מכונה כאמצעי ביניים, הלומדות לחקות חישובי קוונטים. יחד עם זאת, רבות מהן חסרות את המחויבות הפיזיקלית הנדרשת לאמינות או שהן איטיות מדי כשמגדילים אותן למולקולות ביולוגיות גדולות וריאליסטיות.

דרך חדשה ללמד בינה מלאכותית על צורת מולקולות

LiTEN מתמודד עם האתגר על ידי עיצוב מחדש של האופן שבו רשת נוירונים "מרגישה" גאומטריה מולקולרית. במקום להתבסס רק על מרחקים זוגיים פשוטים בין אטומים, LiTEN משלב מידע על תבניות של שלושה וארבעה אטומים השולטות בזוויות ובסיבובים במולקולה. באופן קריטי, הוא עושה זאת תוך שמירה על סימטריות פיזיקליות בסיסיות: אם מסובבים או מזיזים מולקולה במרחב, האנרגיה החזויה נשארת זהה והכוחות החזויים מסתובבים בהתאם. החדשנות המרכזית, הקרויה תשומת לב מרובעת טנזורית, מאפשרת למודל ללכוד אינטראקציות מסובכות של כיפוף וסיבוב תוך שימוש בפעולות וקטוריות יעילות במקום מתמטיקה כבדה ומיוחדת. בכך נשמרת מדרגיות החישוב, ולכן השפעות רב-גופיות שבדרך כלל מעמיסות על מודלים מתקדמים ניתנות לטיפול בעלות שגדלה רק בקו ישר עם גודל המערכת.

מהאימון על נתוני קוונטום למולקולות ביולוגיות אמיתיות

על בסיס ארכיטקטורה זו בנו המחברים את LiTEN-FF, "מודל יסוד" לכוחות מולקולריים. תחילה אימנו אותו על מאגר עצום של כימיה קוונטית המכיל מיליוני מולקולות בדמות תרופות, ואז עדנו אותו על אוסף קטן יותר אך מדויק יותר הכולל פפטידים, מבנים מומסים ומגוון של יסודות כמו הלוגנים ומתכות. אימון דו-שלבי זה מאפשר למודל ללמוד גם כיסוי כימי רחב וגם פרטים עדינים. במבחנים סטנדרטיים המשווים אנרגיות וכוחות חזויים לתוצאות קוונטיות ברמת עליונה, LiTEN משווה או עולה על מודלים מובילים הן במולקולות קטנות וקשות והן במערכות ביולוגיות גדולות בהרבה. הוא שומר על הדיוק גם כאשר מספר האטומים גדל למאות, תוך שימוש בזיכרון נמוך יותר והרצה מהירה יותר מאשר חלופות פופולריות רבות.

יישום המודל בכימיה מדומה

מעבר לבדיקות סטטיות, הצוות מעריך את LiTEN-FF במשימות המשקפות זרמי עבודה מחקריים אמיתיים. עבור מולקולות בדמות תרופות, הוא יכול לאופטם צורות כך שהמבנים המתקבלים תואמים כמעט באופן מושלם לאלה של חישובי קוונטים תובעניים, אך במהירויות גבוהות בהרבה. בהרצות דינמיקת מולקולות הוא משחזר כיצד אורכי קשר וזוויות משתנות לאורך זמן, ועוקב מקרוב אחרי סימולציות מבוססות קוונטום. הוא גם מצטיין בחיזוי כיצד האנרגיה משתנה כאשר מולקולה מסתובבת סביב קשר מרכזי, מרכיב קריטי ללכידת העדפות קונפורמציה בעיצוב תרופות. במים נוזליים ובפפטידים קצרים מומסים במים, LiTEN-FF מפיק תכונות מבניות ותרמודינמיות שהן בהתאמה טובה עם ניסויים ומודלים יקרים יותר, בעודו מספק עד מהירות מוגדלת פי עשר במערכות גדולות.

האצת החיפוש אחרי צורות מועילות

המחברים גם מדגימים צינור חיפוש קונפורמרים פרקטי הבנוי סביב LiTEN-FF. על ידי הרצת מחזורים חוזרים של דינמיקה בטמפרטורה גבוהה, קירור וזיקוק גאומטרי מהיר, המודל מייצר מערכי צורות שונים ועשירים בעלי אנרגיה נמוכה למולקולות תרופתיות מורכבות. בהשוואה לזרימת עבודה מבוססת קוונטים נפוצה, הגישה המונעת בינה מלאכותית זו מוצאת קונפורמרים מגוונים יותר בפחות מחצי מהזמן. יתר על כן, מאחר ש-LiTEN-FF יכול לעבד רבות מולקולות במקביל ללא עלייה פרופורציונלית בעלות, הוא הופך לעוצמתי במיוחד בקמפיינים סינון בקנה מידה גדול שבהם יש להעריך אלפי מועמדים.

מה משמעות הדבר לעיצוב תרופות וחומרים בעתיד

בעיקרון, LiTEN-FF מציע מנוע חדש לסימולציה מולקולרית שמקרב את האמינות ברמת הקוונטים לשימוש יומיומי. על ידי קידוד הגיאומטריה של זוויות וסיבובים ישירות ברשת נוירונים יעילה, הוא מצמצם את הפער בין שדות כוח מהירים אך משוערים לבין חישובי קוונטים איטיים אך מדויקים. עבור לא-מומחים, המסקנה היא כי חוקרים עשויים בקרוב להפעיל "ניסויי" מולקולות ממוחשבים ריאליסטיים בהרבה, בקנה מידה ובמהירויות התואמות את גילוי התרופות ופיתוח החומרים המודרניים. אם יאומצו בצורה נרחבת ויעודנו עוד, מודלים ממשפחה זו עלולים להפוך לרכיבים מרכזיים בצינורות אוטומטיים המציעים, בודקים ומחדדים מולקולות חדשות עוד לפני שהן מסונתזות במעבדה.

ציטוט: Su, Q., Zhu, K., Gou, Q. et al. A scalable and quantum-accurate foundation model for biomolecular force fields via linearly tensorized quadrangle attention. Nat Commun 17, 3639 (2026). https://doi.org/10.1038/s41467-026-70377-4

מילות מפתח: סימולציה מולקולרית, שדות כוח בלמידת מכונה, גילוי תרופות, מודלינג ביומולקולרי, כימיה קוונטית