技術要約：ペプチド配列設計のための最小作用離散シュレディンガー・ブリッジ・マッチング

問題提起

ペプチド配列の生成モデリングは、離散的かつ高度に制約された空間において動作しており、そこでは多くの中間状態が化学的に不自然であったり不安定であったりする。既存の離散拡散およびフローベースの手法は、通常、固定された破損プロセスを逆転させるか、規定された確率パスに従うことに依存している。これらのアプローチは、生成の軌道を低確率領域へと強制してしまうことが多く、高品質な配列に収束させるために多大なサンプリングステップを必要とする。さらに、生物学的配列は局所的な摂動に対して敏感であるため、手作業で作成された確率パスは機能的なペプチドのマニフォールド（多様体）と整合しないことがあり、無条件生成および誘導生成の両方を困難にしている。シュレディンガー・ブリッジの定式化は、作用汎関数を最小化する確率パスを定義することで原理的な代替案を提示するが、古典的なソルバーは、大規模な語彙を持つ高次元の離散配列空間においては計算量的に実行不可能である。

手法

著者らは、Minimal-Action Discrete Schrödinger Bridge Matching (MadSBM) を導入する。これは、レートベースの生成フレームワークであり、アミノ酸のエディットグラフ上における制御された連続時間マルコフ連鎖（CTMC）としてペプチド配列の進化をモデル化するものである。

コアとなる定式化

1. 参照プロセス ($P_0$): 単純な一様ランダムウォークではなく、MadS-BMは生物学的に情報に基づいた参照プロセスを定義する。参照ジェネレータ $R_0$ は、凍結された事前学習済みタンパク質言語モデル（ESM-2-650M）からのロジットを利用して、トークンの妥当性に関する局所的な尺度を提供する。これにより、参照ダイナミクスがペプチドの生物物理学に基づいたものとなる。
2. 制御プロセス ($P_u$): 生成は、指数的なティルト（傾斜）を介して、参照プロセスをデータ分布へと導くこととして定式化される。制御ジェネレータ $R_u$ は次のように定義される：
   $$R_u(x, x') = R_0(x, x') \exp(u(x, x'))$$
   ここで、$u$ は対数ポテンシャルとして作用する学習可能な制御場である。
3. 目的: 制御されたパス測度と参照測度の間の相対エントロピー（KLダイバージェンス）を、エンドポイントの制約（マスクされた事前分布 $\mu_0$ をデータ分布 $\mu_1$ に一致させること）の下で最小化する制御場 $u$ を見つけることである。これは、最小作用輸送パスを見つけることに相当する。

学習および訓練

• シミュレーションフリー学習: 前向き・後ろ向きの反復ソルバーを回避するために、著者らは扱いやすい訓練目的関数を導出している。彼らは、破損したトークンに対するクロスエントロピー損失を最小化することが、モデルの遷移カーネルとシュレディンガー・ブリッジの最適な前方遷移との間のKLダイバージェンスを最小化することと等価であることを示している。
• アーキテクチャ: 制御場 $u_\theta$ は、50M個のパラメータを持つDiffusion Transformer (DiT) によってパラメータ化されている。これは、凍結されたESM-2モデルからの時間条件付き埋め込みを受け取る。
• 補間: 中間状態は、トークンを確率 $1-t$ でマスクし、ターゲットとなるトークンを確率 $t$ で明らかにする（revealing）ことによって構築され、これにより前方摂動カーネルがブリッジ周辺分布を近似する。

サンプリングおよびガイダンス

• サンプリング: 生成手順は、$t=1$ から $t=0$ への逆方向の積分を含む。各ステップにおいて、モデルは学習された遷移率によって支配されるポアソン・ジャンプ過程に従ってトークンが更新されるCTMCをシミュレートする。
• 目的指向ガイダンス: 本論文では、**離散分類器ガイダンス（discrete classifier guidance）**のシュレディンガー・ブリッジ・モデルへの新しい応用を導入している。特定の機能的目標（例：結合親和性）を最適化するために、サンプリング手順は各ステップで複数の候補配列を抽出し、外部の分類器（結合親和性予測器）を用いてスコアリングを行い、これらのスコアに基づいて次のトークンを選択する。これは、シュレディンガー・ブリッジベースの生成モデルに対するこのようなガイダンスの最初の適用である。

主要な貢献

1. 定式化: 著者らは、ペプチド生成を離散シュレディンガー・ブリッジ問題として捉え直し、設計をノイズを含んだ事前分布とデータ分布の間の最小作用確率輸送として枠付けた。
2. アルゴリズム: 彼らは、複雑なブリッジ問題を単純なクロスエントロピー目的関数へと簡略化するシミュレーションフリーの学習規則を提案し、最小作用輸送との整合性を維持しながら、明示的な前向き・後ろ向きソルバーを回避する。
3. モデル性能: MadSBMは、制御可能なレートベースのモデルとして提示されており、離散拡散のベースラインと比較してサンプル効率と安定性が向上している。これは、低いサンプリング予算下での目的指向設計をサポートする。
4. ガイダンスの新規性: 本研究は、離散分類器ガイダンスのシュレディンガー・ブリッジベースの生成モデルへの最初の適用を実証しており、治療用ペプチドの設計空間を拡大するものである。

結果

• 無条件生成: MadSBMは、様々なサンプリング予算（$N=32, 64, 128$）において、最先端の離散拡散モデルであるEvoFlowと比較して、より低い（優れた）疑似パープレキシティ（PPL）を持つペプチド配列を生成する。特筆すべきは、MadSBMは低いサンプリングステップ（$N=32$）においてもベースラインを凌駕し、高い生物学的整合性を維持しつつ、競争力のある構造安定性（pLDDT）を達成している点である。
• 確率パス: 生成中の負の対数尤度（NLL）の分析により、MadSBMは、拡散モデルの制約された軌道と比較して、より高い分散を持つ広範な確率輸送パスを探索することが示された。これにより、MadSBMは生成プロセスにおけるより早い段階で、配列のマニフォールドの高尤度領域に到達することができる。
• アブレーション研究: 生物学的に情報に基づいた参照（ESM-2）または時間ゲーティング機構を取り除くと性能が低下し、原理に基づいた時間制御された参照プロセスの必要性が検証された。
• 結合親和性の最適化: 4つの疾患関連タンパク質を対象とした実験において、MadSBMによって生成されたペプチド（無条件および誘導生成の両方）は、既存の既知のバインダーと比較して、優れた結合親和性とドッキングスコアを示した。ガイダンス付きサンプリング手法はこれらの指標をさらに改善し、既知のバインダーが存在しないターゲットに対しても、候補を設計することに成功した。

意義および主張

本論文は、MadSBMがペプチド生成をレートベースの確率輸送問題として再構成し、情報豊かな生物学的参照と組み合わせることで、離散空間において低作用のシュレディンガー・ブリッジ・ダイナミクスを直接学習できることを示していると主張している。

著者らは、彼らの手法が、生成プロセス全体を通じて高尤度のペプチド近傍に近い確率パスを維持するパスを生成し、それによって、離散拡散やフローベースのベースラインよりも大幅に低いサンプリング予算で、改善されたパープレキシティと競争力のある構造的信頼性を実現すると断言している。彼らは、このアプローチが、エンドポイントの分布だけでなく、確率的な軌道全体を露出させることで、生成プロセスをより解釈可能かつ監査可能にすることを強調している。

本研究における臨床応用に関する主張は控えめであり、生成されたペプチドを実験的に検証し、化学的に配慮した参照プロセスを洗練させるための将来の研究が必要であると述べている。著者らは、現在の焦点は短いペプチド配列にあり、実験的な展開の前に、ダウンストリームの検証および安全性に配慮したフィルタリングが必要であることを強調している。彼らの知る限り、これは離散分類器ガイダンスをシュレディンガー・ブリッジベースの生成モデルに適用した最初の事例である。