TACTIVS: Test-time actives induction for flexible target-specific virtual screening

技術要約: TACTIVS

問題提起
バーチャルスクリーニング（VS）は初期段階の創薬における礎石であるが、限られた実験データから最大限の価値を引き出すことは、特に既知のアクティブ分子が極めて少ない「フューショット（few-shot）」領域において、依然として大きな課題となっている。従来のリガンドベースのバーチャルスクリーニング（LBVS）は、定義済みの類似度指標やアライメント規則に依存しており、これらは候補ライブラリ全体の広範な構造を捉えきれないことが多い。一方、近年の構造ベースのフューショット手法は、追加のターゲット特異的な学習やモデルの適応（例：パラメータの微調整）を必要とすることが多く、これは計算コストが高く、データが乏しい場合には過学習を招きやすい。中心となる未解決の課題は、エンコーダの再学習やターゲット特異的なリードアウトの適合を行うことなく、いかにして柔軟かつターゲット特異的なランキングを実現し、かつスクリーニング・ライブラリ全体の相関構造を活用するかである。

手法
著者らは、リガンドベースの推論フレームワークであるTACTIVS（Test-time ACTIves induction for flexible target-specific VS）を提案する。従来の、候補分子を独立した類似性比較として扱う、あるいはパラメータ更新を必要とするアプローチとは異なり、TACTIVSは、既知のアクティブ分子から候補ライブラリ全体の近傍グラフを通じて証拠を伝播させることで、ターゲット特異的なランキングを構築する。

ワークフローは主に以下の3つのステージで構成される：

1. 凍結された表現と埋め込みキャッシュ:
   TACTIVSは、学習済みの等変事前学習トランスフォーマー（EPT）モデルを利用する。エンコーダはプロセス全体を通じて凍結されたまま維持される。スクリーニング・ライブラリおよび参照アクティブ分子のコンフォーマーは、512次元のベクトルへとエンコードされる。これらのベクトルは、繰り返しのエンコーディングを避けるためにキャッシュされる。極めて重要な点として、本フレームワークは、特定のターゲットライブラリではなく、独立した大規模な分子コーパス（PDBscreenの学習パーティション）から導出された共有共分散推定を採用している。これにより、ターゲットライブラリが小さい場合でも統計的な不安定性を防ぐことができる。

2. ラベルフリー校正（ホワイトニング）:
   学習済み表現のアニソトロピー（異方性）に対処するため、TACTIVSはホワイトニング変換を適用する。現在のターゲットライブラリの分子バランスに基づいた平均を用いて埋め込みをセンタリングし、共有された収縮正則化（shrinkage-regularized）共分散行列に基づく対称逆平方根ホワイトナーを適用する。これにより、埋め込みを、学習時の分布における高分散方向が類似度指標を支配しない空間へと変換し、単純な類似性ベースの検索において情報をよりアクセスしやすくする。

3. グラフ伝播による推論（Transductive Inference）:
   推論は2つの証拠源を組み合わせる：

   • 直接的なアクティブ・リファレンス類似性: 候補分子は、既知のアクティブ・リファレンスのコンフォーマーに対する直接的な類似性に基づいてスコアリングされる。
   • グラフ伝播による関係的証拠: 校正された埋め込みを用いて、ライブラリ全体（アクティブ分子と候補分子の両方を含む）に対して重み付き近傍グラフを構築する。既知のアクティブ分子は、グラフに活性の証拠を「シード（種）」として植え付ける。この証拠は、リスタート付きランダムウォーク機構を用いてグラフを通じて伝播する。これにより、アクティブ分子の直接的な隣接分子ではない候補分子であっても、中間分子を経由して接続されている場合に、マルチステップの分子経路を捉えることで支持を得ることが可能となる。

   最終的なランキングスコアは、標準化された直接類似度と伝播されたグラフスコアの線形結合である。このフレームワークは、エンコーダの微調整やターゲット特異的なリードアウトの適合を一切必要とせず、参照分子の選択とライブラリのコンテキストのみを通じて適応する。

主な貢献

• 学習を伴わないテスト時の適応: TACTIVSは、テスト時に既知のアクティブを候補多様体（マニフォールド）内に文脈化することで、パラメータの更新や追加の学習データを必要とせずにターゲット特異性を実現する。
• 推論的グラフ伝播: ライブラリレベルの推論アプローチを導入し、スクリーニング・コレクション自体を推論プロセスの一部とすることで、単なるペアワイズの類似性に依存するのではなく、分子ネットワークを通じて証拠が流れるようにする。
• 堅牢な共分散校正: ホワイトニングのための外部共有共分散推定の使用により、ターゲットライブラリが小さい、あるいは化学的に冗長な場合でも安定した校正が可能となり、フューショット・データからの共分散推定に伴う不安定性を回避する。
• 化学シリーズの汎化: 本手法は、参照セットとは異なる化学シリーズに属するアクティブ分子を回収するように設計されており、近接する構造類似体の回収を超えた性能を持つ。

結果
著者らは、2つの主要なベンチマークファミリーであるVSDS-vd（TrueDecoyおよびRandomDecoyサブセット）とLIT-PCBAを用いてTACTIVSを評価した。

• VSDS-vdにおける性能: TACTIVSは、構造ベースのドッキング（例：Glide, AutoDock）やハイブリッド法、および他のリガンドベースの手法を含む最先端のベースラインを大幅に上回った。単一のアクティブ・リファレンスを用いた場合、TACTIVSはTrueDecoyにおいてEF@0.5%で19.09を達成し、最高の公開ベースラインである6.91を大幅に上回った。性能は参照アクティブ数（$K$）が増えるにつれて一貫して向上し、$K=10$のときにはEF@1%で34.13に達した。
• LIT-PCBAにおける性能: ゼロショットモデル（ConGLUDe）およびフューショット適応モデル（Drug-few）との比較において、TACTIVSは優れた初期濃縮を示した。$K=8$において、BEDROC 0.182を達成し、8ショットのDrug-fewモデルおよびゼロショットのConGLUDeモデルの両方を上回った。
• シリーズ不一致評価: 参照アクティブとクエリのアクティブが異なる化学シリーズに属する場合（ECFP4 Tanimoto類似度 < 0.5）の厳格な評価プロトコル下においても、TACTIVSは相当な初期濃縮を維持した。これにより、本手法が単に近接する類似体を回収しているのではなく、ライブラリ内の新規なケモタイプへと汎化できることが確認された。
• アブレーション研究: 共分散ホワイトニング変換を除去すると、性能が大幅に低下した（例：RandomDecoyにおけるEF@1%が20.32ポイント低下）。これは校正ステップの重要性を強調している。同様に、グラフ伝播コンポーネントを除去すると性能が低下し、関係的証拠の価値が裏付けられた。

意義と主張
本論文は、TACTIVSが、学習済みの分子表現を柔軟でターゲット特異的なスクリーニングのための適応可能な基質として確立するものであると主張している。著者らは、ターゲット特異性は必ずしもパラメータの更新を必要とするわけではなく、一般的な推論プロセスが既知のアクティブを候補多様体の中に文脈化することによって自然に創発し得ると論じている。

本研究は、バーチャルスクリーニングの視点の転換を提案している。すなわち、de novo スクリーニング（アクティブが未知の状態）と、増分（incremental） スクリーニング（実験的なヒットが得られている状態）の区別である。TACTIVSは後者を扱い、共有された表現と推論規則が推論時に推論的（transductive）な理由付けを通じて特殊化されることで、パラメータ適応に依存するフューショット学習パラダイムに代わる、データ効率の高い選択肢を提供する。これにより、実験的なヒットが得られるたびに、再学習なしで即座に後続のランキングに反映させることが可能となり、希少な実験データの価値を最大化するための実用的な経路を提供する。