[論文レビュー] CLIPZyme: Reaction-Conditioned Virtual Screening of Enzymes

Peter G. Mikhael, Itamar Chinn+1 more|arXiv (Cornell University)|Feb 9, 2024

Advanced Nanomaterials in Catalysis被引用数 7

ひとこと要約

CLIPZyme は反応表現と酵素構造の対照的な整列を学習し、特定の反応に対して酵素候補をランク付けして EC ベースのスクリーニングを上回り、ECPredictors と組み合わせると結果が改善されます。

ABSTRACT

Computational screening of naturally occurring proteins has the potential to identify efficient catalysts among the hundreds of millions of sequences that remain uncharacterized. Current experimental methods remain time, cost and labor intensive, limiting the number of enzymes they can reasonably screen. In this work, we propose a computational framework for in-silico enzyme screening. Through a contrastive objective, we train CLIPZyme to encode and align representations of enzyme structures and reaction pairs. With no standard computational baseline, we compare CLIPZyme to existing EC (enzyme commission) predictors applied to virtual enzyme screening and show improved performance in scenarios where limited information on the reaction is available (BEDROC$_{85}$ of 44.69%). Additionally, we evaluate combining EC predictors with CLIPZyme and show its generalization capacity on both unseen reactions and protein clusters.

研究の動機と目的

• スケーラブルでシミュレーション内 screening により、天然発生酵素を動機づけ、新規反応の触媒を特定する。
• 反応エンコーダとタンパク質エンコーダを、CLIP スタイルの目的関数で整列させ、予測活性で酵素をランク付けできるようにする。
• EC ベースの予測子と比較して性能を評価し、反応情報が部分的なシナリオでの性能を評価する。
• 見たことのない反応やタンパク質クラスへの一般化を評価する。含有 terpene synthases および未アノテーション酵素を含む。

提案手法

• 反応を、反応物グラフと生成物グラフを仮想遷移状態グラフと組み合わせ、原子マッピングデータと DMPNN エンコーダでエンコードすることで反応埋め込みを導出。遷移状態グラフを別の DMPNN でエンコードして反応埋め込みを得る。
• AlphaFold 予測構造からの酵素を、E(n)-等変グラフニューラルネットワーク（EGNN）でエンコードし、ESM-2 配列埋め込みで初期化してタンパク質埋め込みを作成する。
• 正しい反応-酵素ペア間のコサイン類似度を最大化し、負例には最小化する対照学習目的で反応エンコーダとタンパク質エンコーダを訓練する。
• 共通埋め込み空間で酵素と反応を表現し、特定の反応に対する酵素の retrieval-style ランキング（仮想スクリーニング）を可能にする。
• EnzymeMap ベースのデータセットを、原子マッピングされた反応と AlphaFold 構造で用い、ベースラインには CLEAN（EC-prediction）と、ランキング改善のための CLEAN + CLIPZyme の組み合わせを含める。
• BEDROC（α=85）とエンリッチメント因子で評価し、さまざまな反応エンコードとタンパク質表現で比較する。

実験結果

リサーチクエスチョン

• RQ1 CLIPZyme は反応とタンパク質構造埋め込みを使用して、特定の反応の触媒としての酵素を効果的にランク付けできるか。
• RQ2 反応表現の選択（構造ベース vs. SMILES/CGR）が仮想スクリーニングの性能に影響するか。
• RQ3 EC-prediction を CLIPZyme と組み合わせると、EC 情報のレベルにかかわらずスクリーニング性能が向上するか。
• RQ4 CLIPZyme は見たことのない反応や、トレーニングデータと類似しないタンパク質（テルペン合成酵素や未アノテーション酵素を含む）へどれだけ一般化できるか。

主な発見

• CLIPZyme は EnzymeMap のテストスクリーニングで BEDROC 85 が 44.69% を達成し、EC-prediction ベースラインを上回る。
• CLIPZyme を CLEAN（EC predictor）と組み合わせると、EC レベルを超えて検索性能が一貫して向上する（例: Level 1 で BEDROC 85 が 0.96% から 57.03% に上昇、ソースの組み合わせ時）。
• 遷移状態を模した反応表現は、言語ベースの SMILES 表現よりも強力な性能を示す（BEDROC 85 の 44.69%）。
• EGNN ベースの構造を活用したタンパク質エンコーディングは、スクリーニングタスクで配列のみのベースライン（ESM-2）を上回る。
• テルペン合成酵素データセットは堅牢な性能を示す（BEDROC 85 の 72.46%）、未アノテーション EnzymeMap 反応は意味のあるランキングを生む（BEDROC 85 の 42.94%）。
• トレーニングデータに高度に類似するタンパク質を除外すると性能は低下するが、上位候補のランキングには依然として有用性を維持している。