技術概要：ConTact – 明示的なインターフェース推論による接触優先型抗体 CDR 設計

1. 問題提起

現在、抗体の相補性決定領域（CDR）を設計するための計算手法は、抗原構造に条件付けられて結合ループを生成する。しかし、既存のアーキテクチャは、2 つの異なるサブ問題を単一の予測ヘッドに混同させるという根本的な構造的限界に苦しんでいる。

1. 接触同定: どの CDR 位置が物理的に抗原と接触するかを決定する。
2. 配列選択: その位置にどのアミノ酸を配置するかを、局所的な化学に基づいて決定する。

MEAN や RAAD などの等変性グラフニューラルネットワーク、および DiffAb などの拡散ベースの手法を含む既存のアプローチは、通常、均一なメッセージパッシングまたは平坦な連結を通じて抗原情報を伝播させる。これは距離に関係なくすべての抗原残基を同等に扱い、モデルに接触推論を暗黙的に学習させながら同時に配列を予測させる。その結果、抗原信号はすべての位置に薄められ、モデルは、主に骨格幾何学によって制約される非接触位置と、抗原との特定の化学的相互作用によって制約される接触位置に対して、等しい学習容量を割り当ててしまう。経験的証拠は、これらの手法が抗原情報を効果的に活用できておらず、抗原を除去しても予測がほとんど変化しないことを示唆している。

2. 手法：CONTACT アーキテクチャ

著者らは、CDR 設計を相補性フィンガープリント、接触予測、接触誘導型配列生成の 3 段階の連鎖に明示的に分解する「接触優先」アーキテクチャであるCONTACTを提案する。このアプローチは、「何（what）」の前に「どこ（where）」を解決する。

2.1. グラフ構築とエンコーディング

抗体 - 抗原複合体は、ヘビィ鎖、ライト鎖、抗原残基、ならびにグローバルなデリミタートークンと仮想ノードを含む異種グラフとして表現される。

• 仮想ノード: 特殊な仮想ノードは、すべてのエピトープおよび CDR 残基と双方向に接続され、遠隔のエピトープからの情報が逐次的なメッセージパッシングを通じて希釈される「過剰圧縮（over-squashing）」問題を緩和する 2 ホップのショートカットを創出する。
• エンコーダ: VirtualNode-EGNN（E(3)-等変性 GNN）がメッセージパッシングを実行し、残基埋め込みと骨格座標を同時に更新する。

2.2. 3 段階デコーダ

核心的な革新は、情報を逐次的に処理するデコーダにある。

• 段階 1: 相補性フィンガープリント
  モデルは、クロスアテンション出力を各 CDR 位置の低次元「フィンガープリント」に圧縮し、局所的な表面相補性（例：疎水性対帯電環境）を特徴付ける。これは、類似した局所環境が類似したフィンガープリントを生むように、コントラスト損失（InfoNCE）を用いて訓練される。

• 段階 2: 接触予測
  フィンガープリント、CDR 埋め込み、および最も近い抗原近傍からの集約特徴を用いて、特定の CDR 位置が抗原と接触する確率（$\hat{c}_i$）を教師あり予測器が推定する。

  • 損失: 非接触が接触の 3〜5 倍多いクラス不均衡に対処するため、焦点型二項交差エントロピー損失が使用され、学習は困難で曖昧な境界位置に焦点を当てる。

• 段階 3: 接触ゲート型局所相補性注入
  予測された接触信頼度（$\hat{c}_i$）はゲートとして機能し、局所抗原特徴を選択的に CDR 表現に注入する。

  • 二重ゲート: 注入は、学習されたゲート（$g_i$）と接触信頼度（$\hat{c}_i$）によって調整される。非接触位置（$\hat{c}_i \approx 0$）では、抗原情報は実質的にゼロにされ、遠隔残基からのノイズを防止する。接触位置では、配列選択を誘導するために抗原特徴が注入される。
  • 距離バイアス型クロスアテンション: 空間的隣接を優先し、結合接触が空間的に近接するという幾何学的事前分布を符号化するため、クロスアテンションスコアにガウス空間バイアスが適用される。

2.3. 訓練目的

モデルは、複合損失関数を用いて訓練される。

• 接触重み付け配列損失（$L_{seq}$）: 接触と予測された位置がアップウェイトされる（$w_i = 1 + \alpha \cdot \hat{c}_i$）クロスエントロピー損失。これにより、勾配信号は結合に重要な位置に集中する。
• 補助損失: 座標損失（C$\alpha$ 座標上の smooth-$\ell_1$）、ペアリング損失（CDR と抗原埋め込みのコントラストマッチング）、ドッキング損失（エピトープまでの距離へのペナルティ）、およびフィンガープリントコントラスト損失が含まれる。

3. 主要な貢献

1. アーキテクチャ分解: 本論文は、接触同定と配列予測の混同が既存の CDR 設計における主要な失敗モードであると特定する。これらを明示的な教師あり 3 段階連鎖に分解する「接触優先」パラダイムを提案する。
2. 接触ゲート型注入メカニズム: 結合に関連する位置に抗原情報を選択的にルーティングし、非接触残基へのノイズ伝播を防止する、学習されたゲートと接触信頼度の積による新しい二重ゲートメカニズム。
3. 距離バイアス型アテンションと損失: CDR-抗原インターフェースの希薄さに学習容量を合わせるため、距離バイアス型クロスアテンションおよび接触重み付けクロスエントロピー損失を介した幾何学的事前分布の統合。

4. 実験結果

本手法は、等変性 GNN、拡散/フローモデル、ODE、および自己回帰モデルにわたる 11 のベースラインに対して、2,922 の抗体 - 抗原複合体からなるデータセットCHIMERA-BENCHで評価された。

• 構造品質: CONTACT は最低の C$\alpha$ RMSD（1.63 Å）を達成し、次点のベースライン（RAAD の 1.75 Å）に対して7% の改善、MEAN に対して 11% の改善を示した。
• エピトープ認識: CONTACT は最高のエピトープ F1 スコア（0.79）を達成し、GNN ベースライン（RAAD/MEAN の 0.72）を10%、RefineGNN（0.76）を 4% 上回った。これは、モデルが結合に関連する残基を識別する能力を検証するものである。
• 結合品質: モデルは天然接触の最高割合（fnat 0.67）と競争力のある DockQ スコア（0.73）を達成した。
• 配列回復: CONTACT はすべてのベースラインの中で最高のアミノ酸回復率（AAR 0.38）を達成した。しかし、接触 AAR（CAAR）は他の手法と同程度（〜0.20）にとどまり、アーキテクチャが結合する「場所」をよりよく特定する一方で、それらの位置における正確な「アミノ酸の同一性」を予測することは依然として根本的なボトルネックであることを示唆している。

5. 意義と主張

本論文は、CONTACT の優れた性能が、接触推論と配列生成の明示的な分離に起因すると主張する。抗原情報を結合に関連する位置でのみ配列ヘッドに到達させるための教師あり経路を提供することで、モデルは均一なメッセージパッシングアーキテクチャで見られる信号の「希釈」を回避する。

著者らは、CONTACT が構造品質とエピトープ認識を大幅に改善する一方で、全体の AAR と接触 AAR の間のギャップは、学習容量の配分ではなく、C$\alpha$ レベルの抗原表現の情報内容に現在のボトルネックがあることを示していることに言及する。彼らは、抗原特異的なアミノ酸同一性の予測の難しさを完全に解決するためには、将来の研究がより豊かな抗原表現（例：側鎖幾何学、表面静電性）を探求する必要があると示唆している。

本論文は、既存の手法が欠く抗原構造と配列特異性の間の教師あり橋渡しを提供する「接触優先」分解が、効果的な計算抗体設計に向けた必要なステップであると結論付けている。