[論文レビュー] Harmonic Self-Conditioned Flow Matching for Multi-Ligand Docking and Binding Site Design

H. Stärk, Bowen Jing+2 more|arXiv (Cornell University)|Oct 9, 2023

Innovative Microfluidic and Catalytic Techniques Innovation被引用数 7

ひとこと要約

本稿では、自己条件付きフローマッチングフレームワークを用いて、マルチリガンド系においてタンパク質の結合部位と3次元リガンド配置を同時に設計する深層生成モデルFlowSiteを紹介する。HarmonicFlowは、鍵となるコンponentsであり、反復的な座標更新を通じて化学的に妥当な3次元リガンド構造を直接生成することでドッキング性能を向上させ、PDBBindベンチマーク上での単純さとサンプル品質において、拡散ベースの手法を上回り、47.0%のアミノ酸回復率を達成するエンドツーエンドの結合部位設計を可能にする。

ABSTRACT

A significant amount of protein function requires binding small molecules, including enzymatic catalysis. As such, designing binding pockets for small molecules has several impactful applications ranging from drug synthesis to energy storage. Towards this goal, we first develop HarmonicFlow, an improved generative process over 3D protein-ligand binding structures based on our self-conditioned flow matching objective. FlowSite extends this flow model to jointly generate a protein pocket's discrete residue types and the molecule's binding 3D structure. We show that HarmonicFlow improves upon state-of-the-art generative processes for docking in simplicity, generality, and average sample quality in pocket-level docking. Enabled by this structure modeling, FlowSite designs binding sites substantially better than baseline approaches.

研究の動機と目的

• 小分子、特に複数のリガンドを同時に結合するタンパク質の結合部位を設計するエンドツーエンドのディープラーニングフレームワークの開発を目的とする。
• 進化的情報が欠如している状況を含め、マルチリガンド結合部位設計のためのデータ駆動型で自動化された手法の不足に取り組む。
• 生成モデルの単純さ、汎用性、サンプル品質を向上させることで、既存の分子ドッキングの生成モデルを改善することを目的とする。
• 統一されたフローベースのフレームワーク内で離散的（アミノ酸の種類）および連続的（3次元リガンド配置）な変数を同時に生成することを可能にする。
• フローマッチングを現実のバイオ分子設計タスクに初めて適用し、拡散ベースの手法と比較して優れた性能を示す。

提案手法

• 学習されたベクトル場を用いて反復的に原子座標を更新することで、3次元リガンド配置を生成する自己条件付きフローマッチング手法であるHarmonicFlowを提案する。
• リガンドの座標とアミノ酸の種類をハーモニックプライアに初期化し、連続的なフロー処理によって妥当な結合構造にまで精錬する。
• 同時にアミノ酸の種類と3次元リガンド構造を生成できる、離散的・連続的変数を統合したフローモデルを導入し、エンドツーエンドの結合部位設計を可能にする。
• トレーニング中に側鎖を一時的にリガンドとして扱う「フェイクリガンド」データ拡張戦略を採用し、データの多様性とモデルの汎用性を向上させる。
• フローマッチングの更新プロセス中に幾何的不変性を保持するため、等長性を保つリファインメント層（TFN）を適用する。
• ノイズからデータへの真のフローパスとの乖離を最小化する自己条件付きフローマッチング目的関数を用いてモデルを訓練する。

実験結果

リサーチクエスチョン

• RQ1 フローベースの生成モデルは、高い忠実度でタンパク質結合部位における離散的アミノ酸の種類と連続的3次元リガンド配置を同時に生成できるか？
• RQ2 HarmonicFlowは、ドッキング品質、単純さ、汎用性において、既存の拡散ベース手法を上回るか？
• RQ3 進化的・構造的事前知識が欠如している状況でも、モデルはマルチリガンド系の結合部位を効果的に設計できるか？
• RQ4 フェイクリガンドデータ拡張の導入は、結合部位設計における汎用性と性能向上にどの程度寄与するか？
• RQ5 自己条件付きフローマッチング目的関数は、標準的な拡散またはプロダクトスペース拡散と比較して、バイオ分子生成タスクで優れているか？

主な発見

• HarmonicFlowはPDBBindにおけるポケットレベルのドッキングで最先端の性能を達成し、DiffDockのようなプロダクトスペース拡散モデルを平均的なサンプル品質において上回った。
• モデルはトランスレーション自由度を制限することなく、化学的に妥当な3次元リガンド構造を生成でき、座標の更新のみに依存している。
• FlowSiteは、真の結合部位アミノ酸の47.0%を回復し、ベースライン手法（39.4%）を著しく上回り、真のリガンド配置が分かっているオラクル手法（51.4%）に近い性能に達した。
• PDBBindとBinding MOADにおけるシーケンス類似度スプリット（それぞれ469および756のテスト複合体）は、時間的スプリットを超える汎用性を示した。
• フェイクリガンドデータ拡張の使用は、限られた実際の結合部位データからの有効なトレーニングを可能にし、モデルの汎用性を向上させた。
• 本研究は、バイオ分子設計にフローマッチングを初めて適用したものであり、タンパク質-リガンド系における離散的・連続的変数の統合的生成のための新基準を確立した。