Can Folding Models Tell Binders from Bluffers? Evidence from POISK: The Patent-Derived Antibody Dataset

技術要約：フォールディングモデルは「結合するもの」と「装うもの」を見分けられるか？ POISKによるエビデンス

問題提起
構造予測モデルは、抗体設計におけるゼロショットのデジタルスクリーニングとしてますます活用されており、「高い構造的信頼性（例：高い界面予測テンプレートモデリング、すなわちipTM）は真の結合を意味する」という仮定の下で運用されている。しかし、この前提の厳格な検証は、テストセットの小ささ、ターゲットの多様性の狭さ、そしてPDBやSAbDabといった公開リポジトリにある学習に隣接する構造からのデータ漏洩（データリーク）のリスクによって制約されてきた。既存のベンチマークは、これらのソースからの時間的ホールドアウトに依存していることが多く、学習分布の外にある新規かつ実験的に検証された相互作用に対して、モデルが汎化する能力を十分にテストできていない可能性がある。

手法
これらの制限に対処するため、著者らはPOISK（Patent-extracted Organization of Immunoglobulin Sequence Knowledge）を導入した。これは米国特許文献から抽出された大規模なデータセットである。手法は主に4つの段階で構成される：

1. データ抽出: LLMベースのパイプライン（Gemini 3 Pro）を使用し、10,110件の米国特許から89,074件の抗体-抗原レコードを抽出した。パイプラインは、エピトープの詳細や結合親和性を含む36の異なるフィールドを対象とした。自動監査器が根拠のない情報をフラグ立てし、40件のレコードに対する手動監査により、高い抽出精度（ベンチマークレコードに対して95%）が確認された。
2. ベンチマークのキュレーション: 22,494件の複合体からなるバランスの取れたベンチマークセットをキュレートした。これには、既知の既決構造を持たない（SAbDabのエントリと配列同一性が95%未満になるようフィルタリングされた）、特許で検証済みの11,247件の結合体が含まれる。各結合体には、配列が類似したヒトレパートリー抗体（KA-Searchを用いたObserved Antibody Spaceによる）または、生殖細胞系列への回帰とランダム化されたCDRH3ループによる生成物を用いた「デコイ（結合しないと思われるもの）」がペアリングされた。
3. フォールディングとスコアリング: 6つの主要な構造予測モデルをベンチマークした：AlphaFold-Multimer、Boltz-2、IntelliFold v2、OpenFold3、Protenix-v1、およびProtenix-v2。すべてのモデルは、ColabFoldを用いて計算されたMSAを使用し、テンプレートなしで実行された。主要な評価指標はipSAE（Aligned Errorsからの相互作用予測スコア）であり、これは全鎖をスコア化するipTMではなく、特定の予測アライメント誤差（PAE）閾値以下の鎖間残基ペアに焦点を当てている。
4. 分析: モデルの評価は、ペアワイズ精度、1対50のスクリーニングシミュレーション、およびモデル間の構造的一致（DockQ）を用いて、結合体とデコイを識別する能力について行われた。

主な貢献

• POISKデータセット: 米国特許から抽出された89,074件の抗体-抗原レコードからなる、新規かつ大規模なリソースであり、標準的な構造データベースからのデータ漏洩を最小限に抑える厳格なテストベッドを提供する。
• ベンチマークフレームワーク: ゼロショット設定において、真の結合体と配列が類似したデコイを区別する能力に関する、6つの最先端のフォールディングモデルの厳格な評価。
• 指標の分析: 界面の信号を無秩序な領域から分離することで、結合の識別においてipSAEがipTMよりも優れていることを実証した。
• コンセンサス信号: 複数のモデル間で構造的一致がある場合、独立した強力な識別信号となることを示す分析。

結果

• 識別性能: 最も優れた性能を示したモデルであるProtenix-v2は、全ペアに対して**72%のペアワイズ精度を達成した。構造的信頼性が高い上位50%のペアに限定した場合、精度は87%**に上昇した。
• スクリーニングの有用性: 「1対50」のゼロショットスクリーニングシミュレーション（49個のデコイの中に1つの真の結合体が存在する場合）において、Protheix-v2は真の結合体を最初にランク付けすることに**29%**の試行で成功した。これはランダムなベースライン（2%）に対して14倍の濃縮を示すが、単一候補の確実な特定には至っていない。
• 指標の優位性: すべてのモデルにおいて、ipSAEはipTMよりも一貫して高いCohen's d値（結合体とデコイの集団間の分離）を示した。
• 構造的コンセンサス: モデル間のコンセンサスは識別能を大幅に向上させた。3つ以上のモデルが結合ポーズに一致した場合（DockQ ≥ 0.23）、ペアワイズ精度は**73.1%**に達した。より厳格なコンセンサス（例：DockQ ≥ 0.80で精度96.8%）も可能であったが、それは全ペアのわずか3.0%しかカバーしていなかった。
• エピトープの局在化: 結合の識別能は向上したものの、エピトープの局在化は依然として信頼性に欠ける。最良のモデル（Protex-v2）は、注釈付きのエピトープ残基に接触したのは**62.8%**のケースのみであり、高い結合の信頼性が正確な物理的相互作用の位置の保証にはならないことを示している。
• 親和性と新規性: 構造的信頼性と結合親和性の間には弱い相関しかなく、信頼性と既知の構造との配列距離の間には弱い負の相関があった。これは、モデルが段階的な親和性ではなく、バイナリな結合／非結合の区別を捉えていることを示唆している。

意義と主張
本論文は、現在のフォールディングモデルは、抗体スクリーニングにおいて有用ではあるが限定的な信号を提供するものであると主張している。これらは（高信頼度の予測でフィルタリングしたり、マルチモデルのコンセンサスを利用したりすることで）ランダムな選択よりも真の結合体を大幅に濃縮させることはできるが、実験的な検証や候補選択の唯一の基準として信頼できるほどにはまだ到達していない。

著者らは、POISKデータセットが将来のベンチマークおよびモデル訓練のための重要なコミュニティリソースであることを強調している。なぜなら、それは公開構造データベースのターゲット空間を大きく超えているからである。彼らは、高い信頼度スコアが必ずしも正しいエピトープの局在化や高親和性の結合を意味しないため、フォールディングモデルは直交する実験的または計算的手法によって補完されるべきであると結論付けている。この研究は、統計的な識別と、de novo抗体設計における信頼できるヒット同定との間にあるギャップを浮き彫りにしている。