[论文解读] Harmonic Self-Conditioned Flow Matching for Multi-Ligand Docking and Binding Site Design

H. Stärk, Bowen Jing+2 more|arXiv (Cornell University)|Oct 9, 2023

Innovative Microfluidic and Catalytic Techniques Innovation被引用 7

一句话总结

该论文提出FlowSite，一种基于自条件流匹配框架的深度生成模型，可联合设计多配体系统的蛋白质结合位点与三维配体构象。HarmonicFlow作为关键组件，通过迭代坐标更新直接生成化学上合理的三维配体结构，显著提升了对接性能，在PDBBind基准测试中相较于基于扩散的方法展现出更优的简洁性与样本质量，同时实现了端到端的结合位点设计，残基恢复率达47.0%。

ABSTRACT

A significant amount of protein function requires binding small molecules, including enzymatic catalysis. As such, designing binding pockets for small molecules has several impactful applications ranging from drug synthesis to energy storage. Towards this goal, we first develop HarmonicFlow, an improved generative process over 3D protein-ligand binding structures based on our self-conditioned flow matching objective. FlowSite extends this flow model to jointly generate a protein pocket's discrete residue types and the molecule's binding 3D structure. We show that HarmonicFlow improves upon state-of-the-art generative processes for docking in simplicity, generality, and average sample quality in pocket-level docking. Enabled by this structure modeling, FlowSite designs binding sites substantially better than baseline approaches.

研究动机与目标

• 开发一种端到端的深度学习框架，用于设计可结合小分子（包括多个配体）的蛋白质结合位点。
• 解决缺乏数据驱动、自动化的多配体结合位点设计方法的问题，尤其是在缺乏进化信息的情况下。
• 通过提升简洁性、通用性与样本质量，改进现有分子对接生成模型。
• 在统一的流基框架中实现离散变量（残基类型）与连续变量（三维配体构象）的联合生成。
• 首次将流匹配应用于真实世界生物分子设计任务，并与基于扩散的方法相比表现出优势。

提出的方法

• 提出HarmonicFlow，一种自条件流匹配方法，通过使用学习到的向量场迭代更新原子坐标，生成三维配体构象。
• 使用谐波先验初始化配体坐标与残基类型，随后通过连续流过程优化，生成合理的结合构象。
• 引入一种联合离散-连续流模型，同时生成残基类型与三维配体结构，实现端到端的结合位点设计。
• 采用“假配体”数据增强策略，在训练过程中将侧链视为配体，以提升数据多样性与模型泛化能力。
• 在流更新过程中应用等变精炼层（TFN），以保持几何不变性。
• 使用自条件流匹配目标进行模型训练，最小化学习到的向量场与从噪声到数据的真实流路径之间的差异。

实验结果

研究问题

• RQ1 基于流的生成模型能否以高保真度联合生成蛋白质结合位点中的离散残基类型与连续三维配体构象？
• RQ2 HarmonicFlow在对接质量、简洁性与通用性方面是否优于现有的基于扩散的方法？
• RQ3 该模型能否在无进化或结构先验信息的情况下，有效设计多配体系统的结合位点？
• RQ4 引入假配体数据增强在结合位点设计中的泛化能力与性能提升方面有多大作用？
• RQ5 自条件流匹配目标与标准扩散或产品空间扩散方法相比，在生物分子生成任务中表现如何？

主要发现

• HarmonicFlow在PDBBind上的口袋级对接任务中达到最先进性能，平均样本质量优于DiffDock等产品空间扩散模型。
• 该模型在不施加二面角灵活性限制的情况下，直接通过笛卡尔坐标更新生成化学上合理的三维配体结构。
• FlowSite实现了47.0%的真实结合位点氨基酸残基恢复率，显著优于基线方法（39.4%），并接近已知真实配体构象的“理想方法”（51.4%）。
• 在PDBBind与Binding MOAD上的序列相似性划分测试中，分别包含469个与756个测试复合物，表明模型具有强大泛化能力，超越时间划分基准。
• 使用假配体数据增强显著提升了模型泛化能力，使其能在有限的真实结合位点数据上实现有效训练。
• 本工作首次将流匹配应用于生物分子设计任务，为蛋白质-配体系统中联合离散-连续生成设立了新基准。