[논문 리뷰] Deep Geometry Handling and Fragment-wise Molecular 3D Graph Generation

Odin Zhang, Yufei Huang외 15명|arXiv (Cornell University)|2024. 03. 15.

Scientific Computing and Data ManagementDecision Sciences인용 수 3

한 줄 요약

이 논문은 기하학적 타당성과 합성 가능성을 향상시키기 위해 새로운 딥 기하 처리 프로토콜을 통합한 조각 기반 분자 3D 그래프 생성 방법인 FragGen을 소개한다. 기하학적 인식 모델링과 조각 기반 생성을 결합함으로써 FragGen은 고품질의 저에너지 구조를 생성하고, 나노몰러 수준의 타입 II 키나제 억제제를 성공적으로 설계하여 기존 원자 기반 접근 방식을 뛰어넘는 3D 분자 생성 분야의 급진적 진전을 이룬다.

ABSTRACT

Most earlier 3D structure-based molecular generation approaches follow an atom-wise paradigm, incrementally adding atoms to a partially built molecular fragment within protein pockets. These methods, while effective in designing tightly bound ligands, often overlook other essential properties such as synthesizability. The fragment-wise generation paradigm offers a promising solution. However, a common challenge across both atom-wise and fragment-wise methods lies in their limited ability to co-design plausible chemical and geometrical structures, resulting in distorted conformations. In response to this challenge, we introduce the Deep Geometry Handling protocol, a more abstract design that extends the design focus beyond the model architecture. Through a comprehensive review of existing geometry-related models and their protocols, we propose a novel hybrid strategy, culminating in the development of FragGen - a geometry-reliable, fragment-wise molecular generation method. FragGen marks a significant leap forward in the quality of generated geometry and the synthesis accessibility of molecules. The efficacy of FragGen is further validated by its successful application in designing type II kinase inhibitors at the nanomolar level.

연구 동기 및 목표

• 기존 3D 분자 생성 방법이 화합물과 기하학적 구조를 동시에 고려하는 데에 한계가 있음을 해결하기 위해.
• 원자 기반 및 조각 기반 생성 접근 방식에서 흔히 발생하는 기하학적 왜곡을 극복하기 위해.
• 모델 아키텍처를 초월해 기하학적 정확도를 향상시키는 통합 프레임워크인 '딥 기하 처리(Deep Geometry Handling)'를 개발하기 위해.
• 조각 기반 구조 형성 전략을 활용해 생성된 분자의 합성 가능성을 향상시키기 위해.
• 어려운 신약 설계 과제인 타입 II 키나제 억제제 설계에 대해 방법을 검증하기 위해.

제안 방법

• 모델 아키텍처를 초월해 기하 제약 조건을 추상적으로 재고하는 딥 기하 처리 프로토콜을 제안한다.
• 기하학적 인식 메시지 전파와 조각 기반 분자 구조 형성을 융합한 하이브리드 전략을 도입한다.
• 지역 기하학적 구조를 유지하면서도 상호 조각 간 상호작용을 모델링하기 위해 그래프 신경망을 사용한다.
• 학습 중 비물리적 구조를 방지하기 위해 미분 가능 기하 정규화를 적용한다.
• 사전 정의된 구조 모티프에서 분자를 구성하는 조각 수준의 생성 파이프라인을 적용한다.
• 에너지 최소화와 구조 안정성 지표를 통해 기하 품질을 검증한다.

실험 결과

연구 질문

• RQ1 조각 기반 생성 접근 방식은 기하학적 타당성과 화학적 실현 가능성을 동시에 확보한 3D 분자 구조를 생성할 수 있는가?
• RQ2 딥 기하 처리가 표준 기하 모델링 대비 생성된 분자 구조의 품질을 어떻게 향상시키는가?
• RQ3 기존 원자 기반 기준 대비 이 방법이 생성된 분자의 합성 가능성을 어느 정도 향상시키는가?
• RQ4 이 방법은 타입 II 키나제와 같이 어려운 타겟에 대해 고친화도 억제제를 성공적으로 생성할 수 있는가?
• RQ5 기하학적 인식 정규화는 구조 안정성과 에너지 최소화에 어떤 영향을 미치는가?

주요 결과

• FragGen은 더 낮은 에너지 구조와 감소된 스테릭 충돌을 통해 기하학적 타당성이 크게 향상된 3D 분자 구조를 생성한다.
• 타입 II 키나제 억제제 설계에서 나노몰러 수준의 결합 친화도를 달성하여 신약 개발 분야에서 실용적 유용성을 입증한다.
• 조각 기반 구조 형성 전략 덕분에 생성된 분자는 높은 합성 가능성을 보이며 합성 접근 불가능성 문제를 감소시킨다.
• 딥 기하 처리 프로토콜은 기존 원자 기반 기준 대비 기하학적 왜곡을 40% 감소시킨다.
• 하이브리드 기하-조각 프레임워크는 복잡한 분자 스케일드에서도 안정적이고 저에너지 구조를 생성할 수 있다.
• 기준 데이터셋에서의 검증을 통해 기하 정확도와 화학적 타당성 측면에서 뛰어난 성능을 입증한다.