EquiBind

概要

EquiBind は、タンパク質–リガンド結合構造を予測する幾何学的深層学習モデルです。SE(3) 等変アーキテクチャにより、直接予測ワークフローで、受容体の結合位置（ブラインドドッキングと説明されるもの）と、リガンドの結合ポーズおよび向きを予測します。リポジトリにはモデルの重み、推論設定、学習手順が含まれているため、実験的に確立された結合ポーズのデータベースではなく、構造予測を生成するためのリソースです。

標準的な推論では、タンパク質–リガンドの各ペアを個別の入力ディレクトリに配置します。受容体はファイル名に protein を含む .pdb ファイルとして用意します。リガンドには .mol2、.sdf、.pdbqt、.pdb のいずれかを使用でき、ファイル名に ligand を含め、すべての水素原子を含める必要があります。予測結果は .sdf ファイルとテンソルとして出力されます。別のワークフローでは、単一の .sdf ファイル内にある複数のリガンドを単一の受容体に対して処理し、予測コンフォマーと、成功例および処理された失敗例の一覧を出力します。

文書化されたセットアップでは、CUDA GPU 用と CPU のみの環境ファイルが個別に提供されています。研究者はモデルを学習し、重みを runs に保存して、再現用設定を使ってその重みを評価することもできます。これらの手順は構造予測ワークフロー内でのモデル評価に利用できますが、出典の抜粋からは、特定の標的またはデータセットに対する精度は確認できません。

データセットの入手には実務上の制約があります。以前ホストされていた前処理済み PDBBind データは、ライセンス上再配布が認められていないため、現在は利用できません。文書化されたデータセットのワークフローを利用するには、ユーザー自身が PDBBind から直接入手する必要があります。README では、より新しい手法として DiffDock の検討も推奨されていますが、本項目ではその比較を独自に評価していません。

主な機能

• SE(3) 等変幾何モデルを用いて、受容体の結合位置とリガンドの結合ポーズを直接予測。
• 提供された重みを使用したタンパク質–リガンドペアの推論。文書化された4種類のリガンドファイル形式と `.pdb` 受容体に対応。
• 予測結果を `.sdf` 構造およびテンソルとして出力。出力先は推論設定で制御。
• 単一受容体に対する複数リガンドの推論。コンフォマーを出力し、成功例と処理された失敗例を別々に記録。
• 文書化された CUDA GPU 用および CPU のみの環境設定を個別に提供。
• 学習とテストセット評価のワークフロー。EquiBind-U と、リガンドの点群フィッティング補正を含む EquiBind の再現用設定も含む。

用途

• 評価の想定用途：準備済みのタンパク質–リガンドペアに対する結合位置とリガンドポーズの候補を生成し、適切な構造参照と照合して評価する。
• 評価の想定用途：単一受容体に対して複数リガンドを含む `.sdf` ファイルを処理し、予測コンフォマーと記録された推論失敗の両方を確認する。
• 評価の想定用途：適切な方法で入手した PDBBind データを使って学習し、文書化されたテストワークフローに従って、得られた予測を提供された重みによる予測と比較する。

使い方

1. 公式 READMEを読み、手法の背景については論文を参照してください。提供された重みを使う推論と、学習または再現のワークフローのいずれかを選択してください。
2. リポジトリを入手し、記載されている Anaconda のセットアップ手順に従ってください。文書化された CUDA の手順には environment.yml、CPU のみのセットアップには environment_cpuonly.yml を選択し、自身の環境に適していることを確認してください。
3. 複合体ごとに1つのディレクトリを用意してください。受容体の .pdb ファイル名には protein を含め、サポートされているリガンドのファイル名には ligand を含めてください。リガンドにはすべての水素原子を含めてください。README では、学習用タンパク質に reduce を使用したことが記されています。
4. configs_clean/inference.yml で inference_path を設定し、output_directory を確認してください。README に記載された推論手順に従い、保存された .sdf 構造とテンソル出力を確認してください。複数リガンドを入力した場合は、成功例と失敗例の記録も確認してください。
5. 学習または再現を行う場合は、PDBBindからデータを直接入手し、data/PDBBind に配置してください。文書化された設定に従い、後続の用途に使う前に、適切な参照と照合して予測を評価してください。