🧬 biology

UMA-Inverse: Ligand-Conditioned Protein Inverse Folding with a Distogram-Supervised Dense Pair Encoder

本論文は、高密度なペア表現エンコーダを利用して結合界面を超えてリガンド情報を伝播させることで、LigandMPNNに対して競争力のある性能を達成しつつ、全ペアエンコーダがリガンド信号をどのように分布させるかについての新たな知見を提供する、コンパクトでリガンド条件付きの逆折り畳みモデルであるUMA-Inverseを導入するものである。

原著者： William Sobolewski

公開日 2026-07-10✓ Author reviewed ⓘ

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： William Sobolewski

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ⚕️ これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。免責事項の全文を読む

あなたは、特定の希少なスパイス（リガンド）を加えた時にのみ存在する料理の秘密のレシピを再現しようとしているマスターシェフだと想像してください。あなたの目標は、その料理が正しい味になり、かつ形を保つための正確な材料リスト（タンパク質配列）を書き留めることです。

長い間、最高のシェフたちはLigandMPNNと呼ばれる手法を使ってきました。これは、近所の噂話の連鎖のようなものです。スパイスが料理全体にどのように影響するかを知るために、シェフはスパイスのすぐ隣にある材料に尋ね、その材料がさらに隣の材料に尋ねる……という具合に、メッセージをステップごとに伝えていきます。この方法はうまく機能しますが、もしスパイスが巨大な鍋の底にある場合、一番上にある材料にはメッセージが届かないことがあります。

ここで、ウィリアム・ソボレフスキーによって生み出された、コンパクトな新しいキッチン助手、UMA-Inverseが登場します。UMA-Inverseは、噂話の連鎖ではなく、**高密度なペア表現エンコーダー（dense pair-representation encoder）**を使用します。これは、すべての材料とスパイスを同時に、あらゆる材料同士へと結びつける、魔法のような全方位レーダー画面を想像してください。単にメッセージを順番に伝えるのではなく、鍋全体のマップを一気に更新するのです。

魔法のレーダーと「三角形」のトリック

UMA-Inverseは、巧妙なショートカットである6つのブロックからなるPairMixerシステムに基づいています。これは、すべての材料のペア間の距離を特別な「三角形の乗算」ルールを用いて常にチェックし続ける、6人のシェフのチームのようなものです。彼らは、3つの点（2つの材料とスパイス、あるいは3つの材料）がどのように関連しているかを見ることで、料理の形状を理解します。

極めて重要なのは、このチームが、時間を節約するために重労働である「自己注意（セルフアテンション）」（すべての材料が個別に複雑に話し合おうとすること）をスキップしている点です。その代わりに、彼らは純粋に幾何学、つまり形状と距離に集中します。モデルが単に推測しているのではないことを確実にするために、彼らには**ディストグラム・スーパーバイザー（distogram supervisor）**がついています。これは、レーダー画面を常に監視し、「材料間の正しい距離を本当に捉えているのか？」と問い詰める厳格な総料理長のようなものです。これにより、モデルに誠実さを保たせ、単なる言葉のリストではなく、3D構造を理解することを保証します。

結果：優秀だが、まだ最高ではない（現時点では）

著者たちがこの新しい助手（UMA-Inverse）を、古い噂話の手法（Ligand-MPNN）と比較テストしたところ、結果は驚くべき効率性と、正直な限界が入り混じったものでした。

スコア： 小分子スパイスのテストにおいて、UMA-Inverseは材料の**56.1%を正解しました。著者らが全く同じ条件下でテストした際、古い手法は59.8%でした。金属スパイスの場合、UMA-Inverseは55.1%に対し、旧手法は64.4%でした。ヌクレオチド（DNA/RNA）スパイスの場合、UMA-Inverseは35.3%に対し、旧手法は53.3%**でした。
判定： 論文では、UMA-Inverseは精度においてLigandMPNNを凌駕しないと明記されています。一歩後退しています。しかし、非常に小さく高速であり、パラメータ数はわずか約330万（より大きなモデルと比較して）です。

超能力：遠くからスパイスを感じ取る力

ここが、UMA-Inverseが輝く場面です。古い噂話の連鎖（LigandMPNN）は、スパイスから約**10 Å（オングストローム）**離れるとスパイスの信号を聞き取れなくなりますが（分子の世界では微小な距離ですが）、UMA-Inverseは信号を維持し続けます。

論文では、スパイスが存在する場合と隠されている場合で、モデルの予測がどれほど変化するかを測定することでこれを評価しました。10 Åを超える距離では、旧手法の信号はほぼゼロに落ち込みました。しかし、UMA-Inverseは25 Å、さらにはそれ以上の距離まで強い信号を保持していました。実際、最も遠い地点において、UMA-Inverseの信号は旧手法よりも最大30倍強力でした。

ただし： モデルが遠くからスパイスを「聞いている」からといって、それが必ずしもより良い料理を作るための情報として「使われる」とは限りません。論文によれば、この「聞き取る力の向上」は、最終的なレシピのスコア向上にはつながりませんでした。モデルは「スパイスがあそこに存在する」と知ることは得意ですが、古い噂話の手法ほど完璧な材料を選ぶためにその知識を活用することにはまだ苦戦しています。

「DNA」の不具合

論文が強調している特定の失敗があります。スパイスが巨大なDNAやRNA分子であった場合、UMA-Inverseは、スパイスを見ることすらしない基本モデルを上回ることができませんでした。著者らは、レーダー画面には限界があるためだと説明しています。レーダーはタンパク質の中心から50個の最近接原子しか追跡できません。小さなスパイスであれば、それが全体をカバーできます。しかし、数百の原子を持つ巨大なDNA鎖の場合、レーダーはそのごく一部の無意味な断片しか見ていないのです。対照的に、古い噂話の手法は、DNAのあらゆる部分にローカルな偵察員を送り込むため、何も見逃すことがありません。

まとめ

UMA-Inverseは、高密度で全方位を見渡すレーダー画面がタンパク質設計の有効な手段であることを証明する、コンパクトで効率的なベースラインです。それは安定した形状に折り畳まれ、リガンドと結合することに成功していますが、正確な配列を決定するという点では、依然として確立されたLigandMPNNに遅れをとっています。

著者らは、未来はどちらか一方を選ぶことではなく、おそらくハイブリッドなキッチンを構築することにあると示唆しています。つまり、全体の形状や長距離の信号を捉えるために高密度レーダーを使用しつつ、巨大で複雑なDNAやRNAの詳細を扱うために、古い噂話の手法のようなローカルな偵察員を維持するという方法です。それまでは、UMA-Inverseは、完璧な料理を作る術をまだ完全には習得していないものの、リガンドの影響がタンパク質の中でどこまで届くのかを示す、小さくも驚くほど「意識の高い」ツールとして存在しています。

技術要約: UMA-Inverse

問題提起

タンパク質の逆フォールディング（inverse folding）は、特定の固定されたバックボーン構造を採用するアミノ酸配列を設計することを目的としている。ProteinMPNNやLigandMPNNのような自己回帰的なグラフニューラルネットワーク（GNN）モデルがこのタスクの標準となっているが、これらは疎な $k$ -近傍（ $k$ -NN）グラフに依存している。このアーキテクチャは本質的に長距離の情報伝達を制約しており、離れた残基は局所的なメッセージパッシングの連鎖を通じてのみ通信できる。この制限は、アロステリックな関係や、リガンドと結合界面から遠く離れた残基とのシェルごとの幾何学的依存関係をモデルがエンコードする能力を阻害する可能性がある。さらに、LigandMPNNはリガンドを条件付けできるものの、特定のスプリットにおいてのみ精度の最前線に留まっており、より大規模で複雑なモデルが近年、より高いリカバリー率を報告している。ここで検討される中心的な問いは、AlphaFoldのEvoformerに触発された**高密度なペア表現アーキテクチャ（dense pair-representation architecture）**が、計算効率を維持しつつ、リガンド条件付きの逆フォールディングを改善できるか否かである。

手法

UMA-Inverseは、LigandMPNNの疎なGNNエンコーダを、高密度な全対ペア・テンソルエンコーダに置き換えた、リガンドおよび核酸条件付きの逆フォールディングモデルである。

アーキテクチャ

モデルは主に4つのステージで構成される：

特徴量化（Featurization）: 残基はバックボーンの二面角（ $\phi, \psi, \omega$ ）を介してエンコードされる。リガンドおよび核酸の原子は、原子特徴量（タイプ、グループ、周期）を用いてエンコードされる。ペア特徴量には、残基間ペアの25種類のバックボーン距離、および残基ーリガンドペアの5種類のバックボーンーリガンド間距離と相対フレーム角度が含まれる。
ペアテンソルの初期化: 高密度な $N \times N \times d$ テンソル（ $d=128$ ）が、ノード特徴量、ノード間距離の放射基底関数（RBF）埋め込み、および学習された相対位置埋め込みを使用して初期化される。
PairMixerエンコーダ: コアとなる革新は、PairMixer設計に基づいた6ブロックのエンコーダである。AlphaFold2のフルEvoformerとは異なり、計算コストを削減するために三角形自己注意（triangle self-attention）とシーケンス・トラックを省略している。一方で、三角形乗算（triangle multiplication）（ $z_{ik}$ と $z_{kj}$ を用いて $z_{ij}$ を更新する）と遷移MLPは保持している。これにより、モデルはすべての残基トリプレットおよび残基ーリガンドペアにわたって、三体的な幾何学的関係を捉えることができる。
自己回帰デコーダ: シーケンスはランダムな順序でデコードされる。標準的な平均プーリングのベースラインとの重要な相違点は、学習されたリガンド・アテンション・デコーダである。リガンドー残基間のペア情報を一様に平均化する代わりに、各残基 $i$ はリガンド原子に対して位置特異的なアテンション重み（ $\alpha_{i\ell}$ ）を計算し、コンテキストベクトル $s_i$ を読み取る。これにより、インターフェースの残基は配位原子に鋭く注意を向け、遠位の残基はリガンド場をより拡散的に統合することができる。

学習および補助的目的関数

カリキュラム学習: 学習は、構造サイズを段階的に大きくしながら（64 $\to$ 128 $\to$ 384ノード）、構造的コンテキストを漸進的に構築する3つのステージで進行する。
ディストグラム（Distogram）による監督: 学習中に、ペアテンソルからビン化された残基間距離を予測する補助的なディストグラム・ヘッドが追加される。これにより、エンコーダが明示的かつ構造予測的な幾何学的表現を維持することを強制する。総損失は $L = L_{CE} + 0.2 L_{distogram}$ である。
核酸ルーティング: DNA/RNA鎖はリガンド原子プールへとルーティングされる（タンパク質セントロイドに最も近い50原子に制限）。これにより、ヌクレオチドの条件付けを可能にするが、論文ではこの特定のルーティング戦略には限界があることが指摘されている（結果を参照）。

主な貢献

逆フォールディングのための高密度ペア・アーキテクチャ: リガンド条件付きの逆フォールディングのための、簡略化されたPairformer（三角形乗算のみ）をエンコーダとして導入し、明示的な全対幾何学的推論がシーケンス設計において実行可能であることを示した。
ディストグラム監督による幾何学: ペアテンソルが明示的に構造予測的であり続け、エンコーダがシーケンスのみのショートカットへと崩壊するのを防ぐために、補助的なディストグラム目的関数を使用した。
学習されたリガンド・アテンション: 平均プーリングのベースラインにおける遠位残基の予測の乖離に対処するため、一様な平均ではなく、位置特異的なリガンド・コンテキストに基づいて残基予測を条件付けるデコーダメカニズム。
コンパクトなベースライン: LigandMPNNの約2.5Mと同等の、わずか約3.3百万パラメータを持つモデルであり、より大規模な生成モデルに対するコンパクトなシングルパスの代替案として機能する。
表現特性の性格付け: 高密度エンコーダが、結合界面のはるか遠方（リガンドMPNNの数倍の距離）までリガンドのアイデンティティを伝播させることを示す経験的分析（UMA-Inverseは、疎なグラフモデルでは見られない特性を、遠位シェルにおいてLigandMPNNの最大30倍の信号強度で保持している）。

結果

シーケンスリカバリー（Sequence Recovery）

標準的なLigandMPNNテストスプリット（Small Molecule, Metal, Nucleotide）において、一致したプロトコル（10オートレグレッシブサンプル、 $T=0.1$ 、5Åインターフェースカットオフ）を用いて評価した：

Small Molecule: UMA-Inverseは**56.1%**のリカバリーを達成（LigandMPNNは著者による再実行で59.8%、公開値では63.3%）。
Metal: UMA-Inverseは**55.1%**を達成（再実行による。公開値は64.4%または77.5%）。
Nucleotide: UMA-Inverseは**35.3%**を達成し、リガンド非依存のProteinMPNN（34.0%）と同等であったが、LigandMPNN（53.3%）には及ばなかった。
ティーチャー・フォースド・リカバリー（Teacher-Forced Recovery）: バリデーションセットで66.1%。

構造的検証（ポケット固定設計）

結合ポケットを固定し、残りのタンパク質を再設計する設定において：

フォールダビリティ（Foldability）: 設計された構造は、Boltz-2による共フォールディング下で、自信を持ってフォールディング可能であり、リガンド結合能を有する（リガンドipTM $\approx$ 0.96）。
ポーズ精度: UMA-Inverseの設計は、中央値のリガンドポーズRMSD 1.53 Åを示した。これはネイティブ配列のフロア（0.90 Å）に近いが、LigandMPNN（1.27 Å）よりはやや劣る。
遠位リカバリー: LigandMPNNは、遠位（非ポケット）ポジションのリカバリーにおいて優れている（53.7% vs 48.3%）。

遠位信号分析

リガンド条件付け信号と距離の間のKLダイバージェンス分析により、顕著な差が明らかになった：

LigandMPNN: 信号は10 Åを超えるとほぼゼロに崩壊する。
UMA-Inverse: 25 Åを超えても実質的な信号（0.09–0.16 KL）を保持しており、リガンドのアイデンティティを遠位の残基へと、疎なグラフのベースラインよりも数倍強く伝播させている。

意義と主張

本論文は、UMA-InverseをLigandMPNNを上回る精度の状態的な設計ツールとしてではなく、コンパクトなベースラインおよび特定のアーキテクチャに関する洞察を得るための手段として位置付けている。

高密度エンコーダの生存可能性: ディストグラムによって監督された高密度な全対エンコーダが、シングルパスモデルであるにもかかわらず、小分子および金属のスプリットにおいて競争力のある結果を達成し、リガンド条件付きの逆フォールディングにおいて実行可能なアーキテクチャであることを示した。
表現の差異: 密なエンコーダがどのように情報を分配するかという特性付けが主な貢献である。リガンド信号を局所的な近傍に限定する疎なグラフとは異なり、UMA-Inverseはリガンドのアイデンティティをフォールド全体にグローバルに伝播させる。
限界と今後の方向性: 著者らは、現在の高密度アーキテクチャが「グローバルな原子予算」の制約（三角形乗算の $O(L^3)$ の計算量を管理するためにリガンド原子を50個に制限していること）により、ヌクレオチドパートナーにおいて失敗していることを明示的に認めている。彼らは、核酸設計を改善し、リガンドのカバレッジを立方体の計算コストから切り離すためには、ハイブリッド・アーキテクチャ（幾何学のために密な残基ー残基テンソルを保持しつつ、リガンド用に別途、残基ごとの原子コンテキストモジュールを使用する）が必要な道筋であると主張している。
再現性: 本論文は、LigandMPNNの再実行結果と公開数値（特に金属に関するもの）との間の不一致を強調しており、正確なベンチマークには制御されたプロトコルの比較が不可欠であることを示唆している。また、既存のスプリットにおけるPDBアクセッションコードの安定性の問題や、テストセットにおける非生理的な金属イオンの存在についても言及している。

要約すると、UMA-Inverseは、高密度な幾何学的推論を高い効率で逆フォールディングに適用できることを示す概念実証であり、リガンド情報がタンパク質構造を通じてどのように伝播するかについての新しい視点を提供している。たとえ、生のシーケンスリカバリー精度においては、特化した疎なグラフのベースラインに一歩譲るとしても、である。