[論文レビュー] Geometric Deep Learning for Structure-Based Drug Design: A Survey

Zaixi Zhang, Jiaxian Yan+5 more|arXiv (Cornell University)|Jun 20, 2023

Computational Drug Discovery Methods被引用数 6

ひとこと要約

本調査は、構造ベースのドラッグデザイン（SBDD）における幾何的ディープラーニング（GDL）手法をレビューし、結合部位予測、ポーズ生成、デ・ノボリガンド設計などの予測的・生成的タスクに焦点を当てる。3Dタンパク質表現、モデル、ベンチマーク、評価指標を統合し、一般化能力や解釈可能性の制限といった課題と、マルチモーダル統合やSBDD向けフォーデーションモデルといった機会を強調する。

ABSTRACT

Structure-based drug design (SBDD) leverages the three-dimensional geometry of proteins to identify potential drug candidates. Traditional approaches, rooted in physicochemical modeling and domain expertise, are often resource-intensive. Recent advancements in geometric deep learning, which effectively integrate and process 3D geometric data, alongside breakthroughs in accurate protein structure predictions from tools like AlphaFold, have significantly propelled the field forward. This paper systematically reviews the state-of-the-art in geometric deep learning for SBDD. We begin by outlining foundational tasks in SBDD, discussing prevalent 3D protein representations, and highlighting representative predictive and generative models. Next, we provide an in-depth review of key tasks, including binding site prediction, binding pose generation, de novo molecule generation, linker design, protein pocket generation, and binding affinity prediction. For each task, we present formal problem definitions, key methods, datasets, evaluation metrics, and performance benchmarks. Lastly, we explore current challenges and future opportunities in SBDD. Challenges include oversimplified problem formulations, limited out-of-distribution generalization, biosecurity concerns related to the misuse of structural data, insufficient evaluation metrics and large-scale benchmarks, and the need for experimental validation and enhanced model interpretability. Opportunities lie in leveraging multimodal datasets, integrating domain knowledge, developing comprehensive benchmarks, establishing criteria aligned with clinical outcomes, and designing foundation models to expand the scope of design tasks. We also curate \url{https://github.com/zaixizhang/Awesome-SBDD}, reflecting ongoing contributions and new datasets in SBDD.

研究の動機と目的

• 既存の生化学的中心のレビューに欠けている点を補う、機械学習に焦点を当てた幾何的ディープラーニングの包括的サーベイを提供すること。
• 正式な問題定義と手法の概要を通じて、結合部位予測、ポーズ生成、デ・ノボ設計、リンクヤー設計、親和性予測といった現在のSBDDタスクを体系化すること。
• 簡素化された定式化、分布外一般化の悪さ、大規模ベンチマークの不足、解釈可能性の欠如といった、SBDDにおける主な課題を特定すること。
• マルチモーダルデータ（例：タンパク質配列、テキスト）の統合、ドメイン知識の統合、標準化されたベンチマークの構築、SBDD向けフォーデーションモデルの開発といった、今後の機会を提示すること。
• 継続的な研究とデータセット発見を支援する公開リソース（https://github.com/zaixizhang/Awesome-SBDD）のキュレートと保守を図ること。

提案手法

• 正式な問題定義を用いて、SBDDタスクを予測的（例：親和性予測）と生成的（例：デ・ノボリガンド生成）に分類する。
• ポイントクラウド、グラフ、ボクセルグリッドなどの一般的な3Dタンパク質表現をレビューし、幾何的ディープラーニングに適した特徴を強調する。
• 回転、平行移動、反転などの幾何的対称性をインダクティブバイアスとして組み込む、TFN、EGNN、GMNなどの最先端GDLアーキテクチャを分析する。
• 標準化されたデータセット（例：親和性予測用PDBbind、デ・ノボ設計用CrossDocked）と評価指標（例：AUC、RMSD、logP、QED）を用いてモデルを評価する。
• タンパク質言語モデルやマルチモーダルデータ（例：UniRef、機能的アノテーション）の知見を統合し、モデルの一般化能力と生物学的妥当性を向上させる。
• フォーデーションモデル、臨床エンドポイントフィードバック、解釈可能なAIを統合したフレームワークを提唱し、実用的価値を向上させる。

実験結果

リサーチクエスチョン

• RQ1 幾何的ディープラーニングモデルは、従来の構造ベースのドラッグデザイン手法に比べ、精度と効率性の面でどのように向上しているか？
• RQ2 SBDDにおける効果的な幾何的ディープラーニングを可能にする、主な3Dタンパク質および分子表現は何か？
• RQ3 現在のモデルの一般化能力、ベンチマーク、解釈可能性における制限要因は何か。それらはどのように是正できるか？
• RQ4 配列や機能的テキストなどのマルチモーダルデータとドメイン知識を、より良いドラッグデザインのための幾何的ディープラーニングに統合する方法は何か？
• RQ5 フォーデーションモデルは、多様なSBDDタスクを統合し、治療的発見を加速するために果たす役割は何か？

主な発見

• EGNN や TFN といった幾何的ディープラーニングモデルは、ネットワークアーキテクチャに幾何的対称性を直接埋め込むことで、親和性予測およびポーズ生成において最先端の性能を達成している。
• PDBbind（5,000複合体） や CrossDocked（13,780リガンド） といった現在のデータセットは規模が不十分であり、多様なタンパク質-リガンド系におけるモデルの一般化能力と頑健性を制限している。
• 多くの生成的モデルは高い妥当性と新規性を達成しているが、実験的検証がなく評価指標の抜け道を利用しているため、現実世界での実用的価値は限定的である。
• 解釈可能性は依然として主な課題であり、注目メカニズムや親和性の決定要因に関する実用的インサイトを提供できるモデルはごくわずかであるが、注目メカニズムや勾配ベースの説明への関心は高まっている。
• 複数のSBDDタスクを統合し、多様なデータフォーマットをサポートするフォーデーションモデルは、ドラッグディスカバリを加速させ、タスク特化アーキテクチャへの依存を減らす強力な可能性を示している。
• タンパク質配列データ（例：UniRefからのもの）と機能的アノテーションを統合することで、特に代表が不足しているタンパク質ファミリーにおいて、モデルの性能と一般化能力を顕著に向上させることができる。