[논문 리뷰] Autoregressive fragment-based diffusion for pocket-aware ligand design

Mahdi Ghorbani, Leo Gendelev외 2명|arXiv (Cornell University)|2023. 12. 15.

Computational Drug Discovery Methods인용 수 6

한 줄 요약

이 논문은 기하 벡터 퍼셉트론을 사용하여 원자 종류와 좌표를 예측함으로써 단백질 틈새 조건 하에서 3D 분자의 구조를 생성하는 프ragment 기반 순차적 확산 모델인 AutoFragDiff를 소개한다. 이 방법은 국소 기하학적 정확도와 결합 친화도를 향상시키면서도 스케일드 확장을 가능하게 하여 기존 모델보다 기계적 갈등을 줄이고 구조적 정확도를 유지하는 데 성공한다.

ABSTRACT

In this work, we introduce AutoFragDiff, a fragment-based autoregressive diffusion model for generating 3D molecular structures conditioned on target protein structures. We employ geometric vector perceptrons to predict atom types and spatial coordinates of new molecular fragments conditioned on molecular scaffolds and protein pockets. Our approach improves the local geometry of the resulting 3D molecules while maintaining high predicted binding affinity to protein targets. The model can also perform scaffold extension from user-provided starting molecular scaffold.

연구 동기 및 목표

• 목표 특이적 리간드 설계를 위한 정확한 국소 기하학적 구조를 가진 3D 분자 구조를 생성하는 생성 모델을 개발하는 것.
• 기존 순차적 확산 모델이 리간드 생성 중 미세한 분자 기하학적 구조를 포착하는 데 한계를 보이는 문제를 해결하는 것.
• 사용자가 제공한 시작 프ragment에서 스케일드 확장을 가능하게 하되 단백질 틈새 제약 조건과의 호환성을 유지하는 것.
• 기존의 확산 기반 방법에 비해 생성된 분자에서 기계적 갈등과 응력 에너지를 줄이는 것.
• 기하 벡터 퍼셉트론과 E(3)-동치 메시지 전달을 통합하여 3D 분자 생성의 정확도를 향상시키는 것.

제안 방법

• 모델는 단백질 틈새와 분자 스케일드를 조건으로 하여 프ragment를 단계적으로 생성하는 순차적 확산 프로세스를 사용한다.
• 기하 벡터 퍼셉트론(GVPs)을 사용하여 기하학적 대칭성(회전 및 이동 대칭성 유지)을 보장하는 방식으로 원자 종류와 3D 좌표를 예측한다.
• 노이즈 스케줄과 랭지에인 다이내믹스를 사용한 스코어 기반 샘플링을 통해 반복적으로 프ragment 좌표와 원자 종류를 노이즈 제거한다.
• 별도의 AnchorGNN 모델은 그래프 컨볼루션 레이어와 원자 간 거리를 사용하여 스케일드의 최적의 앵커 지점 예측을 수행한다.
• 추론 중에 레너드존(LJ) 포텐셜 가이던스를 적용하여 틈새 원자와의 기계적 갈등을 방지함으로써 결합 기하학을 향상시킨다.
• 프래그멘테이션은 BRICS와 RDKit를 사용하며, 생성 순서를 정의하기 위해 BFS/DFS 탐색을 활용하고, 분자당 최대 8개의 프래그먼트를 유지한다.

실험 결과

연구 질문

• RQ1 기존의 확산 및 순차적 모델 대비 AutoFragDiff는 더 향상된 국소 기하학적 구조를 가진 3D 리간드를 생성할 수 있는가?
• RQ2 원자 단위 순차적 생성 모델에 비해 프래그먼트 기반 순차적 확산 모델은 구조 정확도와 효율성 측면에서 어떻게 비교되는가?
• RQ3 LJ 포텐셜 가이던스를 통합함으로써 생성된 리간드와 단백질 틈새 사이의 기계적 갈등은 어느 정도 감소하는가?
• RQ4 높은 결합 친화도와 기하학적 정확도를 유지하면서도 스케일드 확장을 효과적으로 수행할 수 있는가?
• RQ5 기하 벡터 퍼셉트론의 사용은 생성된 분자 구조의 타당성과 3D 정확도에 어떤 영향을 미치는가?

주요 결과

• AutoFragDiff는 CrossDock 테스트 세트에서 평균 6.7개의 기계적 갈등을 기록하여 TargetDiff(9.2)와 DiffSBDD(11.8)를 모두 앞서나갔다.
• 기존의 확산 기반 모델에 비해 응력 에너지가 낮게 생성되었지만, Pocket2Mol(가장 낮은 응력 에너지)과 같은 비확산 모델보다는 여전히 높았다.
• AutoFragDiff는 수소 결합 및 반데르발스 상호작용에서 CrossDock 테스트 세트의 분자들과 유사한 성능을 보였으며, 평균 각각 12.3개와 14.7개의 상호작용을 기록했다.
• 모델는 평균 각각 12.3개의 수소 결합 기여자와 14.7개의 수소 결합 수용자를 생성했으며, TargetDiff를 제외한 대부분의 베이스라인을 능가했다.
• AnchorGNN 모델은 높은 정확도로 최적의 앵커 지점을 예측하여 생성 과정 중 효과적인 프래그먼트 조립을 가능하게 했다.
• AutoFragDiff는 기하 벡터 퍼셉트론과 프래그먼트 수준의 노이즈 제거를 통해 높은 분자 타당성과 구조적 충실도를 확보했으며, 국소 기하학적 정확도가 향상되었다.