技術要約: ConforFlux

問題提起

AlphaFold 3やBoltz-2といったタンパク質構造予測のためのディープラーニングモデルは、個々のタンパク質のフォールドに対して実験値に近い精度を達成している。しかし、決定的な制限が残っている。それは、デフォルトの推論パイプラインが生成するサンプルが、単一の支配的なコンフォメーションに集中してしまうことである。この挙動は、酵素の触媒状態間の遷移、膜トランスポーターの内向き・外向きのサイクリング、あるいは一時的なクリプティック・バインディング・ポケット（潜在的結合部位）の露出といった、タンパク質の機能に不可欠なコンフォメーションの多様性を捉えることができない。これらの代替状態を実験的に解明することはコストがかかり、かつ不完全な場合も多いが、既存のコンフォメーション・カバレッジを広げるための計算手法（MSAの摂動、内部表現の修正、あるいは別個のアンサンブル生成器の学習など）は、追加の学習を必要としたり、モデルアーキテクチャ間で一貫性のない結果をもたらしたりすることが多い。

手法: ConforFlux

著者らは、モデルの再学習や重みの変更を行うことなく、推論時に多様性を導入するために設計された推論時プロシージャであるConforFluxを提案する。本手法は、Boltz-2、OpenFold3、Protenixなどのモデルにおいて、「トランク（幹）」部分（MSAモジュールとPairformerスタックで構成される）が、個別の（$\bar{s}$）およびペアの（$\bar{z}$）表現を生成し、それが独立した拡散モジュールを条件付けるという観察に基づいている。これらの表現は、各リサイクリング・イテレーションごとに一度計算され、その後のすべてのデノイジング（逆拡散）ステップに影響を与える。

ConforFluxは、ペアワイズC$\alpha$-RMSD斥力勾配をトランクの単一およびペアの埋め込み（embedding）に直接適用することで、並列なサンプリング・トラジェトリを結合させる。手順は以下の通りである：

1. 並列トラジェトリ: $M$ 個の粒子（サンプリング・トラジェトリ）を初期化する。各粒子は、トランクの出力表現 $(s^{(m)}, z^{(m)})$ のコピーを受け取る。
2. デノイジングと斥力: 逆拡散プロセス中の特定のインターバルにおいて、拡散モジュールは各粒子に対して候補構造 $\hat{x}^{(m)}_0$ を生成する。
3. ペアワイズ目的関数: 全粒子間のC$\alpha$-RMSDに基づくペアワイズ斥力損失 $L$ を計算する。この損失は、以下のRBFカーネルを利用する：
   $$L_{ij} = \exp\left(-\frac{d_{ij}^2}{2\sigma^2}\right)$$
   ここで、$d_{ij}$ は粒子 $i$ と $j$ の間のKabschアライメントによるRMSDであり、$\sigma$ はバンド幅パラメータである。
4. トランクレベルの降下: 損失 $L$ は、各粒子のトランク埋め込み $(s^{(m)}, z^{(m)})$ を更新するためにバックプロパゲーションされる。更新ステップでは、最大ペアワイズ斥力と拡散スケジュールの現在のノイズレベルの両方を考慮した、適応型スケーリング係数 $\lambda_t$ を用いたRMS正規化降下法を採用する。
5. 再条件付け（Re-conditioning）: 更新された埋め込みは、拡散モジュールの条件付け信号（AdaLNのスケール・シフトおよびアテンション・ペア・バイアス）を再計算するために使用され、これにより、後続のデノイジング・ステップを異なるコンフォメーションへと効果的に誘導する。

このアプローチは、Particle Guidance (Corso et al., 2024) を拡散モデルの条件付け表現に適応させたものであり、追加の学習やターゲット状態に関する実験的制約を必要としない。

主な貢献

本論文の主な貢献は以下の3点である：

1. 手法: Boltz-2（およびOpenFold3、Protenixへの適用が可能）のためのトランクレベルのパーティクル・ガイダンス・プロシージャ。これは、サンプリング・トラジェトリを条件付け表現を通じて結合させることで、モデルの再学習なしにサンプリングを多様化させる。
2. ベンチマーク比較: 4つのコンフォメーション変化カテゴリ（ドメイン運動、膜トランスポーターのサイクリング、クリプティック・ポケット形成、フォールド・スイッチング）にわたり、9つのベースライン（MSA摂動、座標レベルのガイダンス、学習済みアンサンブル生成器を含む）との制御された評価を実施。
3. ポストカットオフ評価: モデルの学習カットオフ以降にリリースされた実験参照構造に対する、本手法の回帰能力の評価。これにより、未知のデータに対する汎化性能を示している。

結果

評価は、拡張された膜トランスポーターのセットを含む、121組のターゲットカテゴリ・ペアからなる統合ベンチマークを用いて行われた。

• カバレッジの向上: ConforFluxは、デフォルトのBoltz-2と比較して、状態ごとの成功率（特定のRMSD閾値内に到達した参照状態の割合）を大幅に向上させた。改善幅はカテゴリ間で3〜17パーセントポイントであった。
  • 膜トランスポーターにおいて、ConforFluxは最大の利得を示し、デフォルトのサンプリングでは捕捉できなかった28の参照状態に到達した。
  • クリプティック・ポケットにおいて、ConforFluxはすべての手法の中で最高の成功率を達成した。
  • フォールド・スイッチングにおいては、改善は緩やかであったが、他の推論時ベースラインと同様の結果となった。
• デュアルステート回帰: RC50指標（両方の参照状態が、参照間RMSDの半分以内に到達したターゲットの割合）は、すべてのカテゴリで向上した。例えば、トランスポーター・カテゴリでは、RC50は0.34（デフォルト）から0.60（ConforFlux）へと増加した。
• 汎化性能: 本手法はOpenFold3およびProtenixにも転移可能であり、これらのアーキテクチャにおいても、状態ごとの成功率およびRC50の一貫した向上を示した。
• ポストカットオフ性能: 学習カットオフ以降にリリースされた参照構造を持つターゲットに対し、ConforFluxはすべての3つのモデルにおいて両方の状態の回帰を改善した。例えば、ポストカットオフのターゲットであるヒト・ドーパミントランスポーター（DAT）において、ConforFluxは500個のデフォルトサンプルには存在しなかった内向きコンフォメーションをサンプリングした。
• トレードオフ: カバレッジの向上に伴い、構造の質におけるトレードオフが生じる。ConforFluxのサンプルは、デフォルトのサンプリングと比較して、MolProbityクラッシュスコアが高く、連続する残基間のC$\alpha$距離が異常なサンプルの割合がわずかに高い。しかし、これらの値はCF-randomのような他の介入手法と比較しても同等か、あるいはそれ以上に良好である。

意義と主張

本論文は、ConforFluxが、モデルの条件付け表現のレベルでサンプリング・トラジェトリを結合させることにより、追加の学習なしに代替的なタンパク質コンフォメーションへアクセスするための、構造化された学習フリーのメカニズムを提供することを主張している。

• メカニズム的洞察: 本研究は、「トランク」表現が効果的なガイダンス部位であることを示している。ペアワイズ斥力のバックプロパゲーションを通じてこれらの埋め込みを更新することで、ターゲットとなるコンフォメーションを指定したりネットワークを再学習したりすることなく、モデルを単一の支配的なモードから遠ざけることができる。
• 制御されたベースライン: マッチドノイズ・コントロール（斥力のない等方的更新）はカバレッジの向上を再現できなかったことから、斥力の方向が極めて重要であることが確認された。さらに、座標レベルのガイダンス（原子に直接斥力を適用する手法）は、トランクレベルのガイダンスよりも低い充填率とより多くの幾何学的アウトライヤーを生じさせた。これは、構造の完全性を維持しながら多様化させるには、潜在的な条件付け空間をガイドする方が効果的であることを示唆している。
• 実用的有用性: 本手法は、標準的な推論では捕捉できない、機能的に重要な状態（例：内向き型のトランスポーター、開いたクリプティック・ポケット）の発見を可能にする。これは、新しいアンサンブル生成器を学習させるオーバーヘッドなしに、メカニズム研究や構造ベースのデザインに利用できる計算効率の高いツールを提供する。

著者らは、フォールド・スイッチング能力については、大規模な構造再編成の予測の難しさから、改善が限定的であることを認め、控えめな姿勢をとっている。また、斥力下での状態の頻度は、熱力学的な正確さではなく、多様性を優先しているため、平衡集団として解釈すべきではないと注意を促している。