[논문 리뷰] Rigid Protein-Protein Docking via Equivariant Elliptic-Paraboloid Interface Prediction

Ziyang Yu, Wenbing Huang외 1명|arXiv (Cornell University)|2024. 01. 17.

Monoclonal and Polyclonal Antibodies Research인용 수 5

한 줄 요약

ElliDock은 두 단백질의 타원형 포물체 결합 인터페이스를 예측하고 이 인터페이스를 적합시켜 도킹을 계산하되 SE(3) 등가성을 보장하고 스테릭 충돌을 줄인다. 빠른 추론과 경쟁력 있는 정확도를 달성하며 특히 항체-항원 도킹에서 강세를 보인다.

ABSTRACT

The study of rigid protein-protein docking plays an essential role in a variety of tasks such as drug design and protein engineering. Recently, several learning-based methods have been proposed for the task, exhibiting much faster docking speed than those computational methods. In this paper, we propose a novel learning-based method called ElliDock, which predicts an elliptic paraboloid to represent the protein-protein docking interface. To be specific, our model estimates elliptic paraboloid interfaces for the two input proteins respectively, and obtains the roto-translation transformation for docking by making two interfaces coincide. By its design, ElliDock is independently equivariant with respect to arbitrary rotations/translations of the proteins, which is an indispensable property to ensure the generalization of the docking process. Experimental evaluations show that ElliDock achieves the fastest inference time among all compared methods and is strongly competitive with current state-of-the-art learning-based models such as DiffDock-PP and Multimer particularly for antibody-antigen docking.

연구 동기 및 목표

• 빠르고 일반화된 강체 단백질-단백질 도킹을 지역 포인트클라우드 레지스트레이션을 넘어서는 동기를 제시한다.
• binding 인터페이스를 예측하고 정렬하는 글로벌 SE(3)-등가 프레임워크를 개발한다.
• 수용체와 리간드의 중첩되지 않는 영역으로 인터페이스를 제약하여 겹침(steric clashes)을 줄인다.
• 임의 입력 포즈에 강건하고 최첨단 방법과 경쟁력 있는 정확도를 제공하는 도킹 파이프라인을 제공한다.

제안 방법

• 단백질을 SE(3)-불변 특성과 3D 좌표를 가진 잔기 그래프로 모델링한다.
• EPIT를 사용해 intra-/inter-protein interactions를 전역 정보와 함께 캡처하는 쌍방 SE(3)-등가 그래프 신경망.
• 각 단백질에 대해 결합 인터페이스를 모델링하는 타원형 포물체(A,b,c) 쌍을 예측하고 SE(3)-등가 변환을 사용한다.
• 수용체의 포물체와 리간드의 포물체를 정렬하도록 리간드를 회전 정제 단계 포함 도킹을 계산한다.
• 손실 조합으로 학습: 인터페이스 적합(L_fit), 중첩(L_overlap), 회전 정제(L_ref), 도킹 오차(L_dock).
• 임의 입력 포즈에서도 도킹이 유효하도록 독립적인 등가성을 강제한다.

실험 결과

연구 질문

• RQ1 글로벌 인터페이스 기반 표현이 로컬 포인트클라우드 레지스트레이션에 의존하지 않고도 강체 SE(3)-등가 도킹을 견고하게 가능하게 하는가?
• RQ2 타원형 포물체 인터페이스가 결합되지 않은 단백질 간의 강체 도킹을 안정적이고 충돌 없는 메커니즘으로 제공하는가?
• RQ3 표준 도킹 벤치마크 및 항체-항원 복합체에서 ElliDock이 정확도와 속도 측면에서 최신 방법과 어떻게 비교되는가?
• RQ4 개별 학습 목표(L_fit, L_overlap, L_ref)가 도킹 품질에 미치는 영향은 무엇인가?

주요 결과

CRMSD (중앙값)	IRMSD (중앙값)	DockQ (중앙값)	Inference time
12.995	11.134	0.037	36.7

• ElliDock는 비교된 방법들 중 테스트 벤치에서 가장 빠른 추론 시간을 달성한다.
• DB5.5 테스트 세트에서 ElliDock는 CRMSD 12.995 (median), IRMSD 11.134 (median), DockQ 0.037 (median)으로 달성, Inference time 36.7.
• SAbDab 테스트에서 ElliDock는 CRMSD 11.541 (median), IRMSD 11.319 (median), DockQ 0.054 (median), Inference time 91.2.
• ElliDock은 CRMSD/IRMSD에서 EquiDock 및 DiffDock-PP를 상회하고 DB5.5 및 SAbDab 전반에서 우수하며 다양한 시나리오에서 Multimer 및 Alphafold-Multimer와 경쟁한다.
• 회전 정제(L_ref) 및 인터페이스 적합 손실(L_fit)이 IRMSD 및 도킹 품질을 크게 향상시킨다.
• ElliDock은 표준 형태로 리간드와 수용체를 분리시켜 스테릭 충돌을 줄이고 도킹된 복합체의 물리적 타당성을 향상시킨다.