[論文レビュー] Token-Level Guided Discrete Diffusion for Membrane Protein Design

Shrey Goel, Schray, Peregrine M.+4 more|arXiv (Cornell University)|Oct 22, 2024

RNA and protein synthesis mechanismsBiochemistry, Genetics and Molecular Biology被引用数 3

ひとこと要約

MeMDLMは、最初のマスクドゥフィュージョンタンパク質言語モデル（MDLM）を提示し、ESM-2 pLMを活用して高い膜貫通（TM）特性を持つ配列を生成することで、de novo膜タンパク質設計を実現する。マスクトークンによる離散的ノイズと逆方向拡散を適用することで、MeMDLMは自己回帰的手法を上回る生物学的に現実的な膜タンパク質を生成し、重要な物理化学的性質を保持する。

ABSTRACT

Reparameterized diffusion models (RDMs) have recently matched autoregressive methods in protein generation, motivating their use for challenging tasks such as designing membrane proteins, which possess interleaved soluble and transmembrane (TM) regions. We introduce the Membrane Diffusion Language Model (MemDLM), a fine-tuned RDM-based protein language model that enables controllable membrane protein sequence design. MemDLM-generated sequences recapitulate the TM residue density and structural features of natural membrane proteins, achieving comparable biological plausibility and outperforming state-of-the-art diffusion baselines in motif scaffolding tasks by producing lower perplexity, higher BLOSUM-62 scores, and improved pLDDT confidence. To enhance controllability, we develop Per-Token Guidance (PET), a novel classifier-guided sampling strategy that selectively solubilizes residues while preserving conserved TM domains, yielding sequences with reduced TM density but intact functional cores. Importantly, MemDLM designs validated in TOXCAT beta-lactamase growth assays demonstrate successful TM insertion, distinguishing high-quality generated sequences from poor ones. Together, our framework establishes the first experimentally-validated diffusion-based model for rational membrane protein generation, integrating de novo design, motif scaffolding, and targeted property optimization.

研究の動機と目的

• 自己回帰的手法の制限を克服するde novo膜タンパク質設計のための生成フレームワークを開発すること。
• マスクドゥフィュージョン言語モデリング（MDLM）をタンパク質言語モデル（pLM）に適応させ、より優れた配列生成を実現すること。
• 生成中に膜タンパク質の重要な物理化学的および構造的特徴を保持すること。
• 高い生物学的真正性で膜貫通および可溶性モチーフを架設可能にすること。
• 実験的応用のためのシーケンス最優先プラットフォームを提供すること。

提案手法

• 豊富なタンパク質配列空間上でESM-2-150M pLMを事前学習し、豊かな埋め込み空間を構築する。
• 膜タンパク質配列上で事前学習済みのESM-2を微調整し、膜特異的特徴に特化させる。
• 時間ステップに応じてアミノ酸トークンを<mask>トークンに置き換える離散的ノイズスケジュールを実装し、吸収状態拡散プロセスに従う。
• 各時刻tにおけるトークンのマスキング確率を制御するため、時刻に依存するノイズスケジュールαₜを用いる。
• 完全にマスクされたシーケンスから逆方向にノイズ除去することで、完全で生物学的に現実的なタンパク質配列を生成する。
• 無条件生成および膜貫通・可溶性ドメインの条件付き架設の両方に対してモデルを適用する。

実験結果

リサーチクエスチョン

• RQ1 マスクドゥフィュージョン言語モデリング（MDLM）は、タンパク質言語モデル（pLM）に効果的に適応可能か？（膜タンパク質配列生成に限って）
• RQ2 MDLMに基づく生成は、自己回帰的手法を上回り、高い膜貫通（TM）特性を持つ膜タンパク質を生成できるか？
• RQ3 MeMDLMは、最先端のインpainting手法よりも、機能的モチーフ（TMおよび可溶性ドメイン）を高い真正性で再構築できるか？
• RQ4 MeMDLMは、溶解度や膜局在といった重要な物理化学的性質をどの程度保持できるか？
• RQ5 MeMDLMは、下流の実験的検証に適した生物学的に妥当な膜タンパク質配列を生成できるか？

主な発見

• MeMDLMが生成した配列は、自己回帰的手法と比較して顕著に高い膜貫通（TM）特性を示しており、構造的現実性の向上を示している。
• MeMDLMは膜貫通ドメインで3.819、可溶性ドメインで7.029の擬似パープレクシティを達成し、EvoDiff（それぞれ20.554および16.991）を上回った。
• 真の配列と再構築配列のESM-2-650M埋め込み間のコサイン類似度は、TMドメインで0.768、可溶性ドメインで0.778に達し、高い生物学的類似性を示した。
• MeMDLM埋め込みは、溶解度でAUROCスコア0.949、膜局在で0.541を達成し、SOTA pLMとほぼ同等の性能を示した。
• モデルは、実験的応用に適した現実的な構造的・機能的特徴を備えた多様で新規な膜タンパク質配列を効果的に生成した。
• MeMDLMは、MDLMがエンコーダオンリーpLMに効果的に適用可能であり、タンパク質設計における強力な生成能力を解き放てる可能性を示した。