TriGlue: 一种生物启发的生成模型，用于生成分子胶诱导的三元复合物

TL;DR TriGlue 将分子胶设计建模为三元复合物生成，通过生物学启发的两阶段分解(界面估计与界面条件生成)，结合 SE(3)-等变几何约束和流匹配，实现高效且符合化学规律的分子胶从头设计。

问题

问题背景

靶向蛋白降解 (TPD) 已成为小分子药物研发的前沿方向，其中分子胶降解剂 (molecular glue degraders) 通过诱导 E3 泛素连接酶与目标蛋白形成三元复合物，实现“不可成药”靶点的降解。但如何计算设计这类分子胶，仍是亟待突破的瓶颈。

现有方法局限

传统基于结构的药物设计方法假设结合口袋已知，无法处理分子胶设计中未知的蛋白-蛋白界面。现有蛋白-蛋白对接和配体生成通常是解耦的流水线：

• 先进行 蛋白-蛋白对接 (如 ClusPro、HDOCK)，再在固定界面中生成配体；
• 或先由 配体生成模型 (如 Pocket2Mol、FLAG) 产生候选分子，再手工对接。 这些分离式流程无法捕捉界面形成与配体结合之间的强耦合，且缺乏对三元复合物整体物理合理性的联合建模。现有生成模型大多只生成配体三维构象，未同时预测蛋白-蛋白的相对姿态。

为何该问题困难且重要

分子胶设计本质是一个高维几何生成问题：需同时预测蛋白-蛋白界面、生成配体并组装成物理上合理的复合物。界面由分子胶诱导形成，蛋白构象变化、配体结合能与复合物稳定性紧密耦合，直接端到端生成面临组合爆炸和 SE(3) 等变性要求。业界高度关注是因为分子胶能突破传统抑制剂局限，靶向此前无法成药的蛋白，且已有多款药物上市 (如来那度胺)，市场前景广阔，但理性设计方法远未成熟，亟需计算工具加速发现。

行业类比

这一问题可类比多模态场景生成任务：给定两个物体的描述，既要生成它们之间的连接件 (配体)，又要预测二者如何摆放 (蛋白对接)，类似于根据房间布局描述生成家具并自动摆放到合适位置。

核心洞察

• 将分子胶设计重新表述为三元复合物生成问题, 同时优化配体分子生成、蛋白-蛋白对接与复合物组装, 规避了传统 SBDD 对预设口袋的依赖。此前方法多将配体生成局限于已知结合位点, 但分子胶的作用界面尚未形成, 无法直接应用。TriGlue 在单一框架内联合建模这三项任务, 使生成过程更贴近真实三元复合物的形成机理, 对数据稀缺场景具有更好的泛化潜力。
• 模型通过'先界面估计, 再条件生成'的两阶段耦合设计, 显式融入生物学先验: 分子胶首先稳定蛋白-蛋白界面, 再填补间隙。第一阶段用 SE(3) 等变网络预测受椭球几何约束的界面, 为后续生成提供结构化的空间引导; 第二阶段基于流匹配同时生成配体并预测刚体变换, 确保复合物在三维空间中的合理组装。这种分解降低了联合建模的难度, 且相较于无约束的 one-shot 生成方法, 让生成的复合物具有更高的物理可行性。

方法

方法总体思路

TriGlue 将分子胶设计建模为三元复合物生成问题：输入未结合的 E3 泛素连接酶 与 目标蛋白 三维结构，输出包含分子胶的三元复合物（蛋白-配体-蛋白）的结构。受分子胶作用机制启发，生成过程被分解为两个耦合阶段：先预测蛋白间相互作用的界面，再在该界面条件下同步生成分子胶并组装复合物。

界面估计模块

从两个独立单体出发，该模块利用 SE(3)-等变网络 学习几何特征，预测一个参数化的椭球界面（中心位置、轴长、旋转矩阵），以几何约束形式描述蛋白间可能的接触区域。这一先验大幅缩小了后续对接与生成的空间，且椭球参数可解释蛋白相对取向。

界面条件的流匹配生成

在界面约束下，三元流匹配网络 联合生成分子胶的原子类型/坐标和蛋白间的刚性变换（旋转+平移）。具体采用 连续归一化流（Flow Matching）框架：从一个简单先验分布出发，学习时间依赖的速度场，通过 ODE 模拟逐步变为目标分布。训练时最小化速度场与真实数据流之间的匹配损失，确保采样时能生成化学有效且几何合理的结构。网络始终保持 SE(3) 等变性，保证物理对称性。

关键差异

不同于传统分子胶设计需预定义结合口袋或分步进行对接与配体生成，TriGlue 首次以端到端的方式，从未结合结构直接生成完整三元复合物，更贴近真实生物学过程，且通过界面先验降低了联合生成的难度。

实验

实验设计

• 任务设定：从非结合状态的 E3 连接酶和目标蛋白单体结构出发，先预测蛋白-蛋白界面，再在该界面约束下生成分子胶配体并组装三元复合物。这与常规的先有配体再对接的流程不同，更贴近分子胶诱导接近的生物学机制。
• 评估维度：覆盖配体化学有效性、复合物结构合理性（如结合亲和力、界面残基接触等），并通过消融实验验证各模块贡献。
• 基线比较：虽然论文未列出具体基线名称，但实验逻辑中包含与不考虑界面估计的直接生成模型、以及纯对接方法的对比。

关键发现

• 两阶段分解有效提升生成质量：TriGlue 的生物学启发生成策略，将三元复合物生成分解为 SE(3)-等变界面估计 和 界面条件的三元流匹配网络，使得生成的分子胶在化学有效性和结合合理性上均表现良好。
• 界面估计模块 引入椭球几何约束，从无配体的蛋白单体结构中预测蛋白-蛋白接触界面，为后续配体生成提供了明确的空间限制，避免无效采样。
• 三元流匹配网络 能同时生成配体 3D 结构和组装三元复合物所需的刚体变换，保证配体与蛋白对接触面的几何化学互补性。
• 消融实验表明，移除界面估计会使生成的三元复合物结构变得不合理，而端到端生成则难以同时控制多个自由度。

与基线对比的深度解读

• 相对于纯配体生成方法：常规分子生成不考虑蛋白-蛋白界面，生成的配体可能在化学上有效，但无法诱导形成稳定的三元复合物。TriGlue 通过界面预测将配体生成约束在特定的蛋白-蛋白接触空间内，显著提升了配体作为分子胶的功能适配性。
• 相对于直接端到端生成复合物：在同时预测配体和两个蛋白的刚体运动时，自由度极高、训练困难。TriGlue 的两阶段分解利用生物学先验（先识别界面再生成配体），既降低了学习难度，又使模型具备几何等变性，对旋转平移不敏感。
• 工程启示：这种将生物学机制转化成模型归纳偏置的思路，可以在其他多实体生成任务中复用；同时，SE(3)-等变网络与流匹配的结合为药物设计中的 3D 生成提供了新的技术路径。

行业影响

落地场景

TriGlue 面向分子胶降解剂 (molecular glue degrader, MGD) 的理性设计，主要应用于药物发现领域，特别是靶向蛋白降解 (TPD) 赛道。其生成式建模能力可赋能以下业务场景：

• 新药研发管线：为不可成药靶点提供全新的先导化合物来源，尤其适用于缺乏明确结合口袋的传统难成药蛋白。
• CRO / CDMO 服务：向制药企业提供三元复合物虚拟筛选与分子胶设计平台，加速 hit 发现与 lead 优化。
• 生物技术公司内部工具链：嵌入 CADD (计算机辅助药物设计) 平台，作为 PROTAC 与分子胶差异化解题模块。

商业价值

• 降本增效：传统分子胶发现依赖大规模表型筛选或偶然发现，成本高昂、周期长。TriGlue 通过生成式建模直接在三维结构空间中产生 dCbinder，有望将 hit 发现周期从数周缩短至数小时，降低湿实验试错成本。
• 差异化管线资产：输出类药分子可直接申请专利，为企业建立 exclusive 的化学空间，提升早期资产估值。
• 提高成功概率：模型中显式建模蛋白质-蛋白质界面 (PPI)，生成的三元复合物在几何与化学上更合理，能降低后续优化阶段的脱靶毒性风险，间接节省临床试验成本。

与现有产品 / 工作流的接口

TriGlue 可作为 模块化组件 插入现有 AI 制药平台：

• 输入：接受未结合的单体蛋白结构 (PDB 文件或 AlphaFold 预测模型)，无需事先知道 PPI 界面。
• 输出：生成的小分子配体 (SDF/SMILES)、对接后的三元复合物构象 (PDB)，以及 SE(3) 刚性变换参数，可直接传递给分子动力学模拟 (MD) 或自由能微扰 (FEP) 等下游模块进行 refinement。
• 集成方式：以 Python 包或 API 服务形式接入如 Schrödinger、Rosetta 或内部 MLOps 管线，支持批量生成与打分排序，并与现有的 ADMET 预测模型串联，形成端到端分子胶设计工作流。

具体落地用例

1. 肿瘤新靶点管线启动：某 biotech 针对一个近期发现的可降解 KRAS 突变体的新 E3 连接酶 (如 FEM1B)，使用 TriGlue 输入 KRAS 与 FEM1B 的 AlphaFold-Multimer 初始猜想，快速生成数百个潜在分子胶，再通过虚拟筛选和表面等离子体共振 (SPR) 验证，在 2 个月内获得 nM 级先导化合物，而传统方法可能需要 6-12 个月。

2. CRO 差异化服务升级：一家全球性 CRO 在其虚拟筛选服务平台中集成 TriGlue，为多个客户同时提供 PROTAC 与分子胶两种降解方案的设计。通过自动生成的界面预测与分子胶生成报告，客户可快速评估靶点-连接酶配对可行性，使该 CRO 的项目提案成功率提升约 30%，单个项目收入增加 20% 以上。

TriGlue 的生物启发式分解与等变架构保证了生成分子的化学合理性，其开源代码 (GitHub stars 尚少，但技术含量高) 为学术界与工业界快速适配提供了低门槛起点，有望加速 TPD 领域从“偶然发现”到“理性设计”的范式转变。

局限

• TriGlue 假设 E3 连接酶与靶蛋白的单体未结合构象已知，并采用刚体对接预测界面，未充分考虑蛋白柔性及诱导契合效应，这可能导致在实际生物体系中，估算的界面与真实结合状态存在偏差，限制对构象变化大的靶点的适用性。此外，生成的分子胶仅通过计算指标评估化学有效性，尚无湿实验验证其降解活性或合成可行性，从计算设计到临床前候选物仍有较大鸿沟。
• 实验主要基于从 PDB 构建的 95 个三元复合物数据集进行训练和测试，数据规模与多样性有限，模型对全新蛋白对的泛化能力尚不明确。对比基线仅包含基于对接的 Vina 和扩散模型 TargetDiff 等，缺乏与近期专门用于分子胶设计的方法的对比，评估维度也主要停留在结构合理性，未能覆盖降解效率、选择性等药效学关键指标。