技術要約: EquiPocket

問題提起

標的タンパク質におけるリガンド結合部位の予測は、創薬における基礎的なステップであり、タンパク質-リガンド・ドッキングや構造ベースの分子生成といった下流のタスクを促進する。ディープラーニング手法、特に畳み込みニューラルネットワーク（CNN）は、タンパク質を3Dボクセル化された画像として扱うことで最先端の性能を達成してきたが、以下の4つの決定的な限界に直面している：

1. 不規則な構造表現: CNNは固定サイズのボクセル格子（例：70 Å × 70 Å × 70 Å）に依存しており、これらはタンパク質の不規則な形状を捉えることができず、固定境界の外側にある原子を破棄してしまうため、大きなタンパク質の正確なモデリングを妨げる。
2. 回転感受性: ボクセル化は固定された座標基底に依存しているため、タンパク質を回転させるとボクセル格子が変化し、結合部位の物理的不変性にもかかわらず予測が変わってしまう。データ拡張やローカルグリッドはこれを緩和するが、理論的な回転不変性を保証するものではない。
3. 不十分な表面特性評価: 結合ポケットは表面幾何学によって定義される。CNNベースの手法は、空隙に囲まれたボクセル内に表面原子をエンコードするため、表面原子の複雑な局所的相互作用や幾何学を捉えられない粗い幾何学的情報しか提供できない。
4. タンパク質サイズのシフト: 既存のモデルは、様々なタンパク質サイズ（数百から数万個の原子まで）を持つデータセット間での汎化に苦慮しており、固定受容野やグリッド制約のために、大きなタンパク質に対して失敗することが多い。

手法

著者らは、前述の問題に対処するために、ボクセル化を行わずに設計された、$E(3)$-等変幾何グラフニューラルネットワーク（GNN）であるEquiPocketを提案する。このフレームワークは、原子をノード、相互作用をエッジとして扱い、不規則な構造を自然に処理し、ユークリッド変換（回転および並進）に対する不変性を確保する。

アーキテクチャは、主に3つのモジュールで構成される：

1. ローカル幾何モデリングモジュール

表面特性評価の欠如に対処するため、このモジュールは**表面プローブ（Surface Probes）**を用いて各表面原子の局所的な幾何情報を抽出する。

• 表面プローブ: MSMSアルゴリズムを使用し、特定の半径を持つプローブをタンパク質に沿って移動させることで、溶媒接近可能表面（SAS）および溶媒排除表面（SES）を生成する。これらのプローブ座標は集合 $S$ を形成する。
• 特徴抽出: 各表面原子について、周囲のプローブを分析し、相対的な位置ベクトルや角度（例：プローブ間の距離、原子とプローブ中心に対する角度）を計算する。
• 集約: これらの幾何学的記述子は、プーリング（平均および最大値）を介して集約され、MLP（多層パーセプトロン）を通じて処理され、各表面原子に対する $E(3)$-不変な幾何学的埋め込み $g_i$ を作成する。

2. グローバル構造モデリングモジュール

このモジュールは、ポケット形成にグローバルな構造が影響を与えることを認識しつつ、タンパク質全体の化学的および空間的なコンテキストを捉える。

• 化学グラフモデリング: グラフアテンションネットワーク（GAT）が化学的特徴（原子種、電子数、結合）を処理し、化学的埋め込みを更新する。
• 空間グラフモデリング: 等変グラフニューラルネットワーク（EGNN）が3D座標と更新された化学的特徴を処理し、空間的相互作用を捉える。出力は、化学的およびグローバルな空間情報の両方をエンコードした、各原子の不変な特徴ベクトル $c''_i$ である。

3. 表面メッセージパッシングモジュール

このモジュールは、表面グラフ $G_S$ 上で等変メッセージパッシングを行うことにより、表面原子の特徴を洗練させる。

• Surface-EGNN: 不変な特徴（$h$）と等変な座標行列（$X$）の両方を更新するカスタム等変レイヤーを利用する。メッセージパッシングは、ノードとその隣接ノード間の相対的な距離と角度を取り入れ、出力が入力の変換に対して等変性を維持することを保証する。
• 高密度アテンション出力層（Dense Attention Output Layer）: タンパク質サイズのシフト問題に対処するため、新しい出力層を導入する。これは、異なる距離ホップにおける各原子の近傍の空間密度を計算する。学習可能なアテンションメカニズム（Sigmoidを使用）が、この密度分布に基づいて異なるネットワークレイヤーからの隠れ特徴に重みを付ける。これにより、モデルは様々なサイズのタンパク質に対して受容野の範囲を適応的にバランスさせることができ、小さなタンパク質における過度な平滑化（over-smoothing）や、大きなタンパク質におけるコンテキスト不足を防ぐことができる。

最適化

モデルは2つの目的関数で訓練される：

1. 結合部位予測 ($L_b$): ダイス損失（Dice loss）を使用して、表面原子が結合部位の一部である確率（リガンド原子から4 Å以内であることと定義）を予測する。
2. 相対方向予測 ($L_d$): コサイン損失を適用して、表面原子から最も近いリガンド原子への相対的な方向を予測し、局所的な幾何学的特徴の抽出を強化する。

主な貢献

1. 結合部位のための初の $E(3)$-等変GNN: EquiPocketは、結合部位予測に $E(3)$-等変GNNを適用した初のフレームワークであり、ボクセル化の必要性を排除し、回転および並進不変性を確保している。
2. 3モジュール・アーキテクチャ: 表面プローブによる局所幾何モデリング、化学的および空間的要素によるグローバル構造モデリング、および等変表面メッセージパッシングの統合により、タンパク質ポケットの包括的な表現を提供する。
3. 高密度アテンション出力層: 局所的な空間密度に基づいてレイヤーの寄与を適応的に重み付けすることで、タンパク質サイズの変動を扱うための新しいメカニズムを提供し、既存手法の汎化ギャップに対処する。
4. 優れた性能: 広範な実験により、Equi-Pocketが複数のベンチマークにおいて、CNNベース、幾何学ベース、および他のグラフベースの手法を凌駕することが示された。

実験結果

フレームメントは、標準的なベンチマークである COACH420、HOLO4K、および PDBbind2020 において、DCC（Distance to Center of Center）、DCA（Distance to Center of Atom）、および失敗率（Failure Rate）などの指標を用いて評価された。

• 性能: EquiPocketは、COACH420においてDCC 0.423、DCA 0.656 という最高成功率を達成し、DeepSurf（DCC 0.386）のようなCNNベースの手法や、Fpocket（DCC 0.228）のような幾何学的手法を大幅に上回った。
• アブレーション研究:
  • ローカル幾何モジュールまたはグローバル構造モジュールのいずれかを削除すると、性能が10〜20%低下し、両方の必要性が確認された。
  • 表面メッセージパッシングモジュール（EquiPocket-LG）を削除すると、大幅な性能低下を招き、表面レベルの相互作用モデリングの重要性が浮き彫りになった。
  • **高密度アテンション（Dense Attention）**層を削除すると、原子数が3,000個未満のタンパク質において顕著な性能低下が見られ、サイズシフトを扱う上での役割が検証された。
  • **方向損失（Direction Loss）**を削除すると、特に小さなタンパク質において性能が低下し、相対的なリガンド方向を予測することの有用性が確認された。
• 効率性: Equi-Pocketは、3Dグリッド生成や畳み込みの計算コストを回避することで、高い精度を維持しながら、3D-CNN手法（例：DeepSurf）よりも高速である。

意義

本論文は、EquiPocketが、ボクセルベースのCNNの硬直した制約から脱却することで、重要な進歩を遂げたことを主張している。 $E(3)$-等変性と表面プローブによる明示的な幾何モデリングを活用することで、このフレームワークは不規則なタンパク質構造を自然に扱い、回転不変性を実現している。導入された高密度アテンション層は、タンパク質サイズの変動という課題に特に対処しており、これは実用的な創薬シナリオにおいて極めて重要な問題である。著者らは、本フレームワークが既存の最先端手法と比較して、優れた予測精度と計算効率を実現していると断言している。これは、分子生成やドッキングといった下流のタスクに向けた堅牢なツールを提供するものである。