[論文レビュー] Modeling Molecular Structures with Intrinsic Diffusion Models

Gabriele Corso|arXiv (Cornell University)|Feb 23, 2023

Protein Structure and Dynamics被引用数 4

ひとこと要約

本論文は、分子の柔軟性を組み込むことで、内在的自由度（特に二面角座標）の低次元多様体上で拡散過程を定義する、Intrinsic Diffusion Modelsと呼ばれる新しい深層生成フレームワークを導入する。これにより、分子コンフォーマーおよびタンパク質リガンドドッキングポーズの生成が高速かつ高精度に行える。本手法は、両タスクで最先端の性能を達成し、従来の計算手法および既存の深層学習ベースラインを上回っている。

ABSTRACT

Since its foundations, more than one hundred years ago, the field of structural biology has strived to understand and analyze the properties of molecules and their interactions by studying the structure that they take in 3D space. However, a fundamental challenge with this approach has been the dynamic nature of these particles, which forces us to model not a single but a whole distribution of structures for every molecular system. This thesis proposes Intrinsic Diffusion Modeling, a novel approach to this problem based on combining diffusion generative models with scientific knowledge about the flexibility of biological complexes. The knowledge of these degrees of freedom is translated into the definition of a manifold over which the diffusion process is defined. This manifold significantly reduces the dimensionality and increases the smoothness of the generation space allowing for significantly faster and more accurate generative processes. We demonstrate the effectiveness of this approach on two fundamental tasks at the basis of computational chemistry and biology: molecular conformer generation and molecular docking. In both tasks, we construct the first deep learning method to outperform traditional computational approaches achieving an unprecedented level of accuracy for scalable programs.

研究の動機と目的

• 分子の動的かつ多様構造的性質を、単一の静的構造ではなく、コンフォーマーの分布全体としてモデル化する課題に対処すること。
• 分子の柔軟性に関する物理的知識を生成プロセスに組み込むことで、分子コンフォーマー生成およびタンパク質リガンドドッキングの効率性と正確性を向上させること。
• カルテシアン座標ではなく、内在的自由度（例：二面角）上で動作する深層生成モデルを構築することにより、次元削減と生成空間の滑らかさを向上させること。
• 本アプローチが、コンフォーマー生成およびドッキングの正確性において、従来の計算手法および既存の深層学習モデルを上回ることを実証すること。
• 下流のドラッグディスcoveryアプリケーション向けに、物理的に妥当で多様性があり、信頼性の高い分子ポーズ（複数の結合モードを含む）を生成できること。

提案手法

• 分子の柔軟性をパrameterizeするために、内在的自由度（例：二面角）の低次元多様体を定義し、生成空間の次元を顕著に削減する。
• 多様体上にスコアベース生成モデルを用いた拡散過程を定義し、多様体の幾何構造を尊重するように学習されたスコア関数によって拡散過程をガイドする。
• 神経ネットワークを用いて、真の二面角状態のノイズ付き摂動に対するノイズ除去目的関数を用いて、二面角多様体上のスコア関数を予測する。
• ドッキングの文脈では、フレームワークを拡張して、タンパク質構造を条件としてリガンドポーズを生成し、生成ポーズをランク付けするための信頼性ヘッドを統合する。
• スコアネットワークのアーキテクチャにパリティ不変性と幾何的不変性を組み込むことで、物理的整合性と耐性を確保する。
• 訓練は内在的多様体上でノイズ除去目的関数を用い、推論はノイズから始まる逆拡散ステップを含む。

実験結果

リサーチクエスチョン

• RQ1 分子の動的挙動を内在的自由度（例：二面角）を用いてモデル化することで、カルテシアン座標空間の拡散モデルと比較して、より効率的かつ正確な分子構造生成が可能になるか？
• RQ2 物理的に意味のある低次元多様体上に定義された拡散モデルは、従来の計算手法を上回る性能を示せるか？
• RQ3 同じ内在的多様体に基づく拡散フレームワークは、複数の結合モードをサンプリングできる能力を備えており、タンパク質リガンドドッキングにおいても最先端の性能を達成できるか？
• RQ4 信頼性ヘッドを組み込むことで、ドッキングタスクにおけるポーズ選択および下流の親和性予測の精度がどの程度向上するか？
• RQ5 複雑または対称的な系において、本モデルが多様で物理的に妥当なポーズを生成する能力は、回帰ベースや非生成的モデルと比較してどの程度優れているか？

主な発見

• 提案されたTorsional Diffusionモデルは、40個のポーズをサンプリングした際、真の構造と2Å RMSD以内に収まるコンフォーマーの生成に38%の成功率を達成し、1サンプルベースライン（22%）および従来手法を著しく上回った。
• 分子ドッキングにおいて、DiffDockは40個のサンプルから最高信頼性のポーズを選択した際、RMSD < 2Åの成功確率が38%に達し、既存の深層学習および従来のドッキングベースラインを上回った。
• 本手法は、対称的または柔軟性を持つ複合体に対して、複数の物理的に妥当な結合モードを生成できるが、EquiBindのような回帰ベースのモデルは単一の平均構造しか予測できない。
• ハイパーパramータチューニングなしでも、DiffDockの親和性予測ヘッドはPDBBind上でRMSE 1.347およびスピアマン相関係数0.718を達成し、TANKBindのような最先端手法と同等またはそれを上回った。
• 可視化結果から、DiffDockは複数の結合モードの周囲をサンプリングし、正確で多様なポーズを生成することが確認された。一方、TANKBindのようなベースラインは自己干渉や誤ったコンフォーメーションを多く生成した。
• 逆拡散プロセスは、ノイズから安定した分子構造へと滑らかで物理的に妥当な遷移を示し、モデルが学習したスコア関数および多様体幾何構造の妥当性を裏付けた。