[논문 리뷰] Geometric Deep Learning for Structure-Based Drug Design: A Survey

Zaixi Zhang, Jiaxian Yan외 5명|arXiv (Cornell University)|2023. 06. 20.

Computational Drug Discovery Methods인용 수 6

한 줄 요약

이 종합 검토는 구조 기반 약물 설계(SBDD)를 위한 기하학적 딥러닝(GDL) 방법을 다루며, 결합 부위 예측, 자세 생성, 신규 리간드 설계와 같은 예측 및 생성 작업에 초점을 맞춘다. 3D 단백질 표현, 모델, 벤치마크 및 평가 지표를 통합하여 일반화 부족과 해석 불가능성 등의 과제를 부각시키고, 다중모odal 통합 및 SBDD를 위한 기초 모델과 같은 기회를 제시한다.

ABSTRACT

Structure-based drug design (SBDD) leverages the three-dimensional geometry of proteins to identify potential drug candidates. Traditional approaches, rooted in physicochemical modeling and domain expertise, are often resource-intensive. Recent advancements in geometric deep learning, which effectively integrate and process 3D geometric data, alongside breakthroughs in accurate protein structure predictions from tools like AlphaFold, have significantly propelled the field forward. This paper systematically reviews the state-of-the-art in geometric deep learning for SBDD. We begin by outlining foundational tasks in SBDD, discussing prevalent 3D protein representations, and highlighting representative predictive and generative models. Next, we provide an in-depth review of key tasks, including binding site prediction, binding pose generation, de novo molecule generation, linker design, protein pocket generation, and binding affinity prediction. For each task, we present formal problem definitions, key methods, datasets, evaluation metrics, and performance benchmarks. Lastly, we explore current challenges and future opportunities in SBDD. Challenges include oversimplified problem formulations, limited out-of-distribution generalization, biosecurity concerns related to the misuse of structural data, insufficient evaluation metrics and large-scale benchmarks, and the need for experimental validation and enhanced model interpretability. Opportunities lie in leveraging multimodal datasets, integrating domain knowledge, developing comprehensive benchmarks, establishing criteria aligned with clinical outcomes, and designing foundation models to expand the scope of design tasks. We also curate \url{https://github.com/zaixizhang/Awesome-SBDD}, reflecting ongoing contributions and new datasets in SBDD.

연구 동기 및 목표

• 기존 생화학 중심의 검토에서 부족한 점을 메우기 위해 기하학적 딥러닝이 SBDD에 응용되는 데 중점을 둔 종합적이고 기계학습 중심의 검토를 제공하는 것.
• 공식적인 문제 정의와 방법론적 개요를 통해 결합 부위 예측, 자세 생성, 신규 설계, 리간더 설계, 친화도 예측 등의 현재 SBDD 작업들을 체계화하는 것.
• 과도하게 단순화된 수식, 분포 외 일반화 능력 부족, 대규모 벤치마크 부족, 해석 불가능성 등의 SBDD 분야의 주요 과제를 특정하는 것.
• 다중모달 데이터 통합(예: 단백질 서열, 텍스트), 도메인 지식 통합, 표준화된 벤치마크 구축, SBDD를 위한 기초 모델 개발 등의 미래 기회를 제시하는 것.
• 지속적인 연구 및 데이터셋 탐색을 위해 공개 자원(https://github.com/zaixizhang/Awesome-SBDD)을 큐레이팅하고 유지보수하는 것.

제안 방법

• 공식적인 문제 정의를 통해 SBDD 작업을 예측(예: 친화도 예측)과 생성(예: 신규 리간드 생성)으로 분류하는 것.
• 점군, 그래프, 볼록 격자 등 일반적인 3D 단백질 표현 방식을 검토하며, 기하학적 딥러닝에 적합한 특성을 강조하는 것.
• 기하학적 대칭성(회전, 이동, 반사)을 인덕티브 바이어스로 통합한 최신 GDL 아키텍처(예: TFN, EGNN, GMN)를 분석하는 것.
• 표준화된 데이터셋(예: 친화도 예측용 PDBbind, 신규 설계용 CrossDocked)과 평가 지표(예: AUC, RMSD, logP, QED)를 사용해 모델 성능을 평가하는 것.
• 단백질 언어 모델과 다중모달 데이터(예: UniRef, 기능적 주석)의 통합을 통해 모델의 일반화 능력과 생물학적 관련성을 향상시키는 것.
• 기초 모델, 임상 결과 피드백, 설명 가능한 AI를 기반으로 한 미래 SBDD 모델의 프레임워크를 제안하는 것.

실험 결과

연구 질문

• RQ1 기하학적 딥러닝 모델은 정확도와 효율성 측면에서 전통적인 구조 기반 약물 설계 방법에 비해 어떻게 향상되는가?
• RQ2 SBDD에서 효과적인 기하학적 딥러닝을 가능하게 하는 주요 3D 단백질 및 분자 표현 방식은 무엇인가?
• RQ3 SBDD에서 모델의 일반화 능력, 벤치마크, 해석 가능성에 대한 현재의 한계는 무엇이며, 이를 어떻게 보완할 수 있는가?
• RQ4 다중모달 데이터(예: 서열, 기능적 텍스트)와 도메인 지식을 어떻게 기하학적 딥러닝에 통합하여 약물 설계를 향상시킬 수 있는가?
• RQ5 기초 모델이 다양한 SBDD 작업을 통합하고 치료제 개발을 가속화하는 데 어떤 역할을 할 수 있는가?

주요 결과

• EGNN 및 TFN과 같은 기하학적 딥러닝 모델은 네트워크 아키텍처에 기하학적 대칭성을 직접 통합함으로써 결합 친화도 예측 및 자세 생성에서 최신 성능을 달성한다.
• PDBbind(5,000개 복합체) 및 CrossDocked(13,780개 리간드)와 같은 현재의 데이터셋은 규모가 부족하여 다양한 단백질-리간드 체계에서의 일반화 및 강건성에 한계를 가진다.
• 많은 생성 모델은 높은 유효성과 신규성은 보이지만 실험적 검증 없이 평가 지표의 단순화된 경로를 악용함으로써 실제 응용에서의 유용성이 제한된다.
• 해석 가능성은 여전히 주요 과제로 남아 있으며, 주목할 만한 관심에도 불구하고 결합 부위의 이론적 근거나 친화도 결정 요인에 대한 실질적인 통찰을 제공하는 모델은 소수에 그친다.
• 다양한 SBDD 작업을 통합하고 다양한 데이터 포맷을 지원하는 기초 모델은 약물 개발을 가속화하고 작업별 특화 아키텍처에 대한 의존도를 줄이는 데 강력한 잠재력을 보인다.
• 단백질 서열 데이터(예: UniRef에서의 데이터)와 기능 주석을 통합하면, 특히 표현이 부족한 단백질 가족의 경우 모델 성능 향상과 일반화 능력 향상에 크게 기여할 수 있다.