[論文レビュー] Shape-conditioned 3D Molecule Generation via Equivariant Diffusion Models

Ziqi Chen, Bo Peng+2 more|arXiv (Cornell University)|Aug 23, 2023

Cell Image Analysis Techniques被引用数 7

ひとこと要約

この論文では、基準分子の3次元形状を条件として、3次元分子構造を生成する新しい等長性拡散生成モデルShapeMolを紹介する。回転および並進に等長性を持つ形状エンコーダーと、形状ガイド付きの条件付き拡散モデルを採用することで、入力の分子と高い3次元形状類似性を示す多様でドラッグライクな分子を生成し、形状保持性および分子品質の面で最先端の手法を上回る。

ABSTRACT

Ligand-based drug design aims to identify novel drug candidates of similar shapes with known active molecules. In this paper, we formulated an in silico shape-conditioned molecule generation problem to generate 3D molecule structures conditioned on the shape of a given molecule. To address this problem, we developed a translation- and rotation-equivariant shape-guided generative model ShapeMol. ShapeMol consists of an equivariant shape encoder that maps molecular surface shapes into latent embeddings, and an equivariant diffusion model that generates 3D molecules based on these embeddings. Experimental results show that ShapeMol can generate novel, diverse, drug-like molecules that retain 3D molecular shapes similar to the given shape condition. These results demonstrate the potential of ShapeMol in designing drug candidates of desired 3D shapes binding to protein target pockets.

研究の動機と目的

• タンパク質標的構造を必要とせずに、望ましい形状を持つ新しい3次元分子を生成する課題に対処すること。
• 既知の活性リガンドの3次元形状を条件として3次元分子生成を行う生成モデルを開発し、リガンドベースのドラッグ設計を可能にすること。
• 新しい形状ガイド付き拡散プロセスにより、生成分子における形状忠実度を向上させること。
• 形状符号化と分子生成の両方で並進および回転に対する等長性を保証し、幾何学的整合性を確保すること。

提案手法

• 事前学習済みの等長性形状エンコーダーが、3次元分子表面の点群を回転および並進に等長性を持つ潜在埋め込みにマッピングする。
• 条件付き拡散モデルが、原子位置と特徴（例：原子種、芳香族性）を段階的にノイズ除去することで、形状埋め込みを条件として3次元分子を生成する。
• 生成された原子が基準分子の形状に近づくように、形状ガイド損失を新たに導入し、幾何学的忠実度を向上させる。
• 逆ノイズ除去の過程で分子形状の予測精度を向上させるために、段階的重み付けスキームを拡散モデルが使用する。
• 幾何学的および化学的妥当性を保持するノイズ除去目的関数を用いて、エンドツーエンドでモデルを訓練する。
• 形状ガイド付きバージョンであるShapeMol+gは、動的ガイド係数γとノイズ除去ステップ数Sを統合し、形状忠実度を制御可能にしている。

実験結果

リサーチクエスチョン

• RQ1 拡散ベースの生成モデルは、基準分子の3次元形状を条件として、3次元分子を効果的に生成できるか？
• RQ2 形状符号化と分子生成の両方で幾何学的等長性をどのように維持できるか？回転および並進に対してロバストであるか？
• RQ3 形状ガイドが、生成分子と基準条件との間の3次元形状類似性をどの程度向上できるか？
• RQ4 形状ガイド強度を変化させた場合、分子品質（例：QED）と形状類似性のトレードオフはどのように現れるか？
• RQ5 最先端の手法と比較して、ShapeMolは、新規性・多様性・ドラッグライク性に優れ、高い形状忠実度を持つ新しい分子をどの程度効果的に生成できるか？

主な発見

• ShapeMol+gは、条件分子との平均3次元形状類似度が最高の0.835を達成し、ベースライン手法（VSで0.759、SQUIDで0.749）を上回った。
• 形状ガイド強度γとノイズ除去ステップ数Sが増加するにつれて、平均形状類似度は0.746から0.852に上昇し、形状制御の有効性が示された。
• 強い形状ガイド（γ=0.2、S=300）では、平均形状類似度は0.852に達したが、QEDは0.749から0.630に低下し、形状忠実度と分子品質のトレードオフが確認された。
• ShapeMolが生成した分子は、ケーススタディにより、ベースライン手法と比較して高い3次元形状類似度と優れた構造的新規性を示した。
• 条件分子とグラフ類似度が低いが、3次元形状類似度が高い分子が成功裏に生成されたことから、形状を保持しつつも、新規な化学空間を効果的に探索できることを確認した。