[논문 리뷰] 3D pride without 2D prejudice: Bias-controlled multi-level generative models for structure-based ligand design

Lucian Chan, Rajendra Kumar외 2명|arXiv (Cornell University)|2022. 04. 22.

Bioinformatics and Genomic Networks인용 수 4

한 줄 요약

이 논문은 3D 인식 가능한 생성적 분자의 설계를 위한 새로운 다수준, 대비 학습 프레임워크를 제안하며, 1D(화학 모티프) 및 위상적 편향을 명시적으로 제어하여 위상적으로 편향되지 않고 설명 가능하고 사용자 정의가 가능한 리간드 생성을 가능하게 한다. 생성 사후확률을 화학적, 위상적, 구조적 맥락 요인으로 분해함으로써, 데이터 효율성과 투명성이 향상되었으며, 네 가지 벤치마크 사례에서 실험적 구조-활성 관계가 검증되었다.

ABSTRACT

Generative models for structure-based molecular design hold significant promise for drug discovery, with the potential to speed up the hit-to-lead development cycle, while improving the quality of drug candidates and reducing costs. Data sparsity and bias are, however, two main roadblocks to the development of 3D-aware models. Here we propose a first-in-kind training protocol based on multi-level contrastive learning for improved bias control and data efficiency. The framework leverages the large data resources available for 2D generative modelling with datasets of ligand-protein complexes. The result are hierarchical generative models that are topologically unbiased, explainable and customizable. We show how, by deconvolving the generative posterior into chemical, topological and structural context factors, we not only avoid common pitfalls in the design and evaluation of generative models, but furthermore gain detailed insight into the generative process itself. This improved transparency significantly aids method development, besides allowing fine-grained control over novelty vs familiarity.

연구 동기 및 목표

• 3D 인식 가능한 생성 모델에서 데이터 부족성과 편향—특히 1D 샘플링 및 위상적 편향—을 해결하기 위해.
• 화학적, 위상적, 3D 구조적 요인을 분리함으로써 모델의 투명성과 새로운 것과 익숙한 것 사이의 제어력을 향상시키기 위한 계층적 생성 프레임워크를 개발하기 위해.
• 계층적이고 인덱스화된 훈련 프rotocol를 통해 편향 원인을 분리함으로써 생성 모델의 편향 없는 평가를 가능하게 하기 위해.
• 대규모 2D 리간드-단백질 복합체 데이터셋을 활용하면서도 3D 구조의 정확성을 유지함으로써 데이터 효율성을 향상시키기 위해.
• 약물 발견의 히트 투 리드 최적화를 위한 사용자 정의가 가능하고 설명 가능하며 위상적으로 편향되지 않은 방법을 제공하기 위해.

제안 방법

• 프레임워크는 순차적이고 다단계의 대비 학습 파이프라인을 사용한다: 먼저 분자의 라이브러리를 무작위로 분해하여 1D 의사 생성 모델 $G_p$를 훈련하고, 그다음 $G_p$를 기준으로 하여 대비 학습을 사용한 2D 모델 $G_{pq}$를 훈련하며, PDB 리간드로 재조정하여 $G'_{pq}$를 형성한 후, 마지막으로 $G'_{pq}$를 기준으로 3D 모델 $G_{pqr}$를 훈련한다.
• 모델은 생성 사후확률을 세 가지 구성요소로 분해한다: 1D 모티프 확률 $p$, 2D 위상적 맥락 $q$, 3D 구조적 맥락 $r$이며, $r$은 시그모이드 활성화된 내적 곱으로 계산된다: $\alpha_3 = \mathrm{Sigmoid}\left(\frac{\mathbf{v}_{i,3} \cdot \mathbf{u}_{a,3}}{\sqrt{d}}\right)$.
• 고차원 모델(2D 및 3D)을 저차원 기준($G_p$, $G'_{pq}$)에 대해 훈련함으로써 편향 제어를 달성하여 고빈도 모티프나 위상이 생성 과정을 지배하지 않도록 한다.
• 후행 분포의 엔트로피 변화를 조건화 단계(2D → 3D → 1D)에 따라 추적함으로써 모델의 투명성과 해석 가능성을 향상시키며, 정규화된 샤논 엔트로피 $\hat{H}$로 정량화한다.
• 모델의 최종 사후확률에 대한 각 생성 요인의 기여도를 분리하고 분석함으로써, 새로운 것과 화학적 다양성에 대한 세밀한 제어를 가능하게 한다.
• 템플릿 기반 도킹과 PDB 사례 스캔을 통해 3D로 생성된 모티프를 검증하여 결합 부위와의 구조적 호환성과 타당성을 평가한다.

실험 결과

연구 질문

• RQ1 3D 인식 가능한 생성 모델에서 1D 및 위상적 편향을 어떻게 효과적으로 제어할 수 있는가?
• RQ2 계층적 대비 학습 프레임워크는 분자 생성에서 데이터 효율성과 모델 투명성 향상에 어느 정도 기여하는가?
• RQ3 생성 사후확률을 화학적, 위상적, 3D 구조적 구성요소로 분해함으로써, 새로운 것과 익숙한 것에 대한 더 나은 해석 가능성과 제어가 가능해지는가?
• RQ4 3D 구조적 맥락의 포함 여부가 2D 기준 대비 화학적으로나 입체적으로 타당한 리간드 생성 능력에 어떤 영향을 미치는가?
• RQ5 모델은 실제 약물 발견 시나리오에서 알려진 구조-활성 관계(SAR)를 복구할 수 있으며, 그 검증 방법은 무엇인가?

주요 결과

• 다수준 대비 학습 프로토콜이 1D 샘플링 편향과 위상적 편향을 효과적으로 완화하여, 위상적으로 편향되지 않고 설명 가능한 생성 모델을 확보하였다.
• 엔트로피 분석 결과 1D 및 2D 요인($p$ 및 $q$)이 사후확률 엔트로피 감소에 가장 크게 기여하여 일반적이고 합성 가능성이 높은 모티프로의 강력한 지시 효과를 보였다.
• 3D 맥락 요인($r$)은 상당한 기여를 하였지만 $p$ 및 $q$보다 덜 기여하여, 3D 모델링가 2D 및 1D 구성요소에 비해 아직 최적화가 덜 되어 있음을 시사한다.
• 네 가지 벤치마크 사례에서 모델은 네 사례 중 세 곳에서 실험적 SAR를 복구하였으며, 상위 순위 제안 사례는 알려진 피포포호어와 PDB 사례와 일치하였다.
• PDB 사례 스캔 결과, 성장 벡터 근처에 질소가 풍부한 이성질체(예: 피라졸, 트리아졸)를 도입하는 데 구조적 근거가 있음을 확인하여 모델의 화학적 타당성을 검증하였다.
• 템플릿 기반 도킹 결과, 카바이닐 모티프(예: CC≡C)가 적절한 결합 모드 호환성을 갖는 3D 환경에 성공적으로 통합될 수 있음을 확인하였다.