[论文解读] Geometric Deep Learning for Structure-Based Drug Design: A Survey

Zaixi Zhang, Jiaxian Yan+5 more|arXiv (Cornell University)|Jun 20, 2023

Computational Drug Discovery Methods被引用 6

一句话总结

本综述回顾了用于基于结构的药物设计（SBDD）的几何深度学习（GDL）方法，重点关注预测与生成任务，如结合位点预测、构象生成和从头配体设计。综述整合了三维蛋白表征、模型、基准数据集与评估指标，指出当前在泛化能力与可解释性方面的挑战，以及多模态融合与SBDD基础模型等潜在机遇。

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.

研究动机与目标

• 提供一份全面的、以机器学习为中心的几何深度学习在基于结构的药物设计（SBDD）中的综述，弥补现有以生物化学为中心的综述中的空白。
• 通过形式化的问题定义与方法论综述，系统化当前的SBDD任务——包括结合位点预测、构象生成、从头设计、连接子设计与亲和力预测。
• 识别SBDD中的关键挑战，如模型形式化过于简化、分布外泛化能力差、缺乏大规模基准数据集以及可解释性有限。
• 概述未来机遇，如整合多模态数据（如蛋白质序列、文本）、融入领域知识、建立标准化基准，并开发用于SBDD的基础模型。
• 维护并持续更新一个公开资源（https://github.com/zaixizhang/Awesome-SBDD），以支持SBDD领域的持续研究与数据集发现。

提出的方法

• 基于形式化的问题定义，将SBDD任务分类为预测类（如亲和力预测）与生成类（如从头配体生成）。
• 回顾主流的三维蛋白表征方式，如点云、图结构与体素网格，强调其在几何深度学习中的适用性。
• 分析最先进的GDL架构（如TFN、EGNN与GMN），这些模型将几何对称性（旋转、平移、反射）作为归纳偏置嵌入网络结构。
• 采用标准化数据集（如PDBbind用于亲和力预测，CrossDocked用于从头设计）与评估指标（如AUC、RMSD、logP、QED）对模型进行评估。
• 整合蛋白质语言模型与多模态数据（如UniRef、功能注释）的洞见，以增强模型的泛化能力与生物学相关性。
• 提出一个基于基础模型、临床终点反馈与可解释人工智能的未来SBDD模型框架，以提升实际应用价值。

实验结果

研究问题

• RQ1 几何深度学习模型在准确率与效率方面相较于传统基于结构的药物设计方法有何改进？
• RQ2 哪些关键的三维蛋白与分子表征能够有效支持SBDD中的几何深度学习？
• RQ3 当前SBDD中模型泛化能力、基准测试与可解释性方面存在哪些局限，又该如何解决？
• RQ4 如何将多模态数据（如序列、功能文本）与领域知识整合到几何深度学习中，以提升药物设计性能？
• RQ5 基础模型在统一多样化SBDD任务与加速治疗发现方面可能发挥何种作用？

主要发现

• 如EGNN与TFN等几何深度学习模型通过在网络架构中直接嵌入几何对称性，在结合亲和力预测与构象生成任务中达到最先进性能。
• 当前数据集如PDBbind（5,000个复合物）与CrossDocked（13,780个配体）在规模上仍显不足，限制了模型在多样化蛋白-配体体系中的泛化与鲁棒性。
• 许多生成模型虽能生成高有效率与新颖性的分子，但实际应用价值有限，因其利用评估指标的捷径而缺乏实验验证。
• 可解释性仍是主要挑战，尽管注意力机制与梯度解释方法日益受到关注，但多数模型仍难以提供关于结合位点成因或亲和力决定因素的可操作洞察。
• 能够统一多种SBDD任务并支持多样化数据格式的基础模型，展现出显著潜力，可加速药物发现并减少对任务特异性架构的依赖。
• 整合蛋白质序列数据（如来自UniRef）与功能注释可显著提升模型性能与泛化能力，尤其对代表性不足的蛋白家族而言更为关键。