[論文レビュー] Binding Free Energies without Alchemy

Michael Brocidiacono, Brandon Novy+3 more|arXiv (Cornell University)|Mar 12, 2026

Protein Structure and Dynamics被引用数 0

ひとこと要約

tldr: DBFE は、アルキメティック中間体を必要としない、暗黙の溶媒下のエンドステート ABFE 手法であり、リガンドごとに単一の複合体シミュレーションを可能にし、仮想スクリーニングにおいて競争力のある精度と大幅なスピードアップを提供します。

ABSTRACT

Absolute Binding Free Energy (ABFE) methods are among the most accurate computational techniques for predicting protein-ligand binding affinities, but their utility is limited by the need for many simulations of alchemically modified intermediate states. We propose Direct Binding Free Energy (DBFE), an end-state ABFE method in implicit solvent that requires no alchemical intermediates. DBFE outperforms OBC2 double decoupling on a host-guest benchmark and performs comparably to OBC2 MM/GBSA on a protein-ligand benchmark. Since receptor and ligand simulations can be precomputed and amortized across compounds, DBFE requires only one complex simulation per ligand compared to the many lambda windows needed for double decoupling, making it a promising candidate for virtual screening workflows. We publicly release the code for this method at https://github.com/molecularmodelinglab/dbfe.

研究の動機と目的

• 仮想スクリーニングのために、より速く、よりスケーラブルな絶対結合自由エネルギー計算を動機づける。
• アルキメティック中間体を排除するエンドステート ABFE アプローチを開発する。
• DBFE の DD および MM/GBSA に対する宿主-ゲストおよびタンパク質-リガンドベンチマークでの性能を示す。
• 暗黙の溶媒モデルと構造的エントロピー補正が精度に与える影響を評価する。

提案手法

• 受容体のみ、リガンドのみ、受容体-リガンド複合体の三つのエンドステートシミュレーションを計算する。
• 相対的平行移動/回転の拘束を導入する。
• 翻訳-回転拘束をモデル化するために、正規分布とビンガム分布の組み合わせとして U_{¨} を定義する。
• デカップリング状態と結合状態の衝突なしサンプルを識別するために KD-tree ベースのフィルタリングを用いる。
• 結合系と衝突なしサブセット間の BAR によって ΔG を計算する。
• 熱力学的サイクルの各経路 leg ごとに ΔG を合計し、標準状態補正を適用して最終的な ΔG^° を構成する。

Figure 1: The full thermodynamic cycle used by DBFE.

実験結果

リサーチクエスチョン

• RQ1 エンドステートの暗黙の溶媒 ABFE 手法は、宿主-ゲスト系に対してアルキメティック DD および MM/GBSA とどのように比較されるか。
• RQ2 エンドステートシミュレーションと効率的サンプリングにより、タンパク質-リガンド複合体の結合自由エネルギーを競争力のある値で提供できるか。
• RQ3 暗黙の溶媒 ABFE 手法における構造エントロピー補正が精度に与える影響は何か。
• RQ4 仮想スクリーニングの実用性を確保するために、リガンドごとの計算コストは十分に削減されるか。

主な発見

• ホスト-ゲストベンチマーク（50 複合体）において、DBFE は RMSE 4.1 kcal/mol、Pearson r 0.58、Spearman 0.56 を達成し、OBC2 DD の r=0.48 を上回る。
• タンパク質-リガンドベンチマーク（54 複合体）において、DBFE は RMSE 5.3 kcal/mol、Pearson r 0.65、Spearman 0.64 を達成し、OBC2 MM/GBSA（r=0.71, 0.70）には僅差で及ばない。
• TIP3P DD はすべての OBC2 手法を上回り r=0.88 を示し、DD ベンチマークにおける明示的溶媒の利点を示唆する。
• 複合体反復ステップにおける DBFE のリガンドあたりのコスト削減は、OBC2 DD と比較して約26倍となる。受容体とリガンドのシミュレーションを事前に amortize できるため。
• DBFE のホスト-ゲスト相関の改善は、小さく定義された結合部位に対する構造エントロピー補正が重要であることを示唆する。
• DBFE の MM/GBSA に対する性能は、暗黙の溶媒の限界が主要なボトルネックであり、タンパク質-リガンドのいくつかのケースでエントロピー補正がノイズを増すことを示唆する。

Figure 2: Comparison of all methods versus experimental $\Delta G$ on the host-guest benchmark. Each subplot shows predicted versus experimental binding free energies, with bootstrap metrics (RMSE, Pearson $r$ , Spearman $\rho$ ) and 95% confidence intervals.