論文タイトル
High-Affinity Protein Binder Design via Flow Matching and In Silico Maturation
出典

High-Affinity Protein Binder Design via Flow Matching and In Silico Maturation
The de novo design of high-affinity protein binders remains a central challenge in protein engineering and therapeutic discovery. While deep generative models h...
要旨
本研究は、フローマッチングに基づく生成モデルと計算機内親和性成熟を組み合わせることで、実験を行わずに高親和性タンパク質バインダーを設計する手法を提案しています。
解説など
ミニプロテインと短鎖抗体(VHH) のデノボバインダー技術の紹介です。論文タイトルのとおり、Flow Matching と in silico での Maturation ステップをパイプラインに内包している点が本手法の特徴になります。
研究の中核は、以下の3つを統合した設計パイプラインです。
- PPIFlow
フローマッチング(連続的な確率変換を学習する生成手法)を用いたタンパク質構造生成モデルです。拡散モデルと異なり、バックボーン構造を剛体変換の流れとして直接学習します。ペアフォーマー(pairwise表現を扱うネットワーク)を使い、結合界面の幾何学的・化学的相互作用を明示的に扱っています。 - in silico 親和性成熟化
生成直後の構造に対して、- 結合界面でエネルギー的に有利な側鎖を同定・固定
- 周辺バックボーンにノイズを入れ、部分的フロー(partial flow)で再生成という操作を行います。
単なる側鎖再配置ではなく、界面全体の詰まり具合(packing)を改善する点が特徴です。
- AF3Score による高速評価
AlphaFold3 を「スコア計算専用」に簡略化した指標を用い、多数の候補を高速にふるいにかけています。本文では、通常の AlphaFold 推論より約2桁高速と記載されています。
繰り返しになりますが、設計の流れを簡潔に記載すると次のとおりになります。
- 初期デノボ生成(Round 1)
- PPIFlow によるバックボーン生成
- ProteinMPNN / AbMPNN による配列設計
- AF3Score によるフィルタリング
- in silico maturation(Round 2)
- interface rotamer enrichment
- key rotamer の固定
- バックボーンへのノイズ付与
- partial flow による再生成
- 再設計・再評価
- 評価して終了
- AF3Score
- Rosetta interface score
結果
- 7種類の治療標的に対するミニバインダー設計で、6標的においてピコモル親和性が得られたと報告されています。
- 単鎖抗体(VHH)についても8標的中7標的で結合が確認され、サブナノモル親和性の例が示されています。
プログラムコード
- PPIFlow: https://github.com/Mingchenchen/PPIFlow
- AF3Score: https://github.com/Mingchenchen/AF3Score

