論文タイトル
OmniScore: Universal Scoring of Diverse Biomolecular Complexes via Equivariant Geometry-Aware Discrete Representation Learning
出典
要旨
生体分子複合体のスコアリング手法は、対象ごとに専用モデルを作るのが通例で、あるタスク向けに調整した手法は別のタスクにほぼ転用できません。本研究は、複合体・単量体・低分子を横断する幾何学的表現を一度だけ事前学習し、軽量なタスク別ヘッドで下流スコアリングに適応させる汎用フレームワーク「OmniScore」を提案しています。抗体-抗原／ナノボディ-抗原の構造品質評価では既存手法を全指標で上回りました。
用語
- 等変グラフトランスフォーマー（EGT）: ３次元構造の回転・並進に対して出力が一貫するよう設計されたグラフニューラルネットワークです。残基・ヌクレオチド・原子（本論文で「ブロック」と呼ぶ単位）どうしの局所的な立体配置を捉えます。
- 双方向Mamba: Transformerの代わりに使われる系列モデルの一種で、長い系列を効率よく扱えるのが特長です。本研究ではEGTの出力を原子単位の並びとしてエンコード・デコードするのに使われます。
- 残差FSQ量子化: 連続的な埋め込みベクトルを、離散的なコード（トークン）に変換する仕組みです。もともとは音声圧縮技術に由来する手法を、残差を何段階か繰り返し量子化する形に拡張しています。
- StructTokenBench: タンパク質構造の離散表現（トークン化）手法を評価するベンチマークです。機能部位の分類タスクと、柔軟性などの物理化学的性質を予測する回帰タスクからなります。
解説など
背景
タンパク質-リガンドの結合親和性スコアリング、タンパク質-タンパク質のドッキング評価、抗体-抗原のエピトープ予測やDockQ推定――これらは現状、それぞれ専用に設計されたモデルで解かれています。ある分子クラス向けに調整したスコアリング関数は、別の分子クラスへはほとんど転用できません。加えて多くの手法は、タスクごとに用意されたラベル付きデータへの依存が大きく、実験構造や親和性データが十分に揃っていない領域では性能が出しにくいという課題も抱えています。
AlphaFoldやRFdiffusion、Chai-1、Boltz-2といった構造予測・デザインモデルが、多様な種類の複合体を大量に生成するようになった今、「どんな複合体が来ても品質を評価できる」汎用的な物差しの必要性が高まっている、というのが本研究の出発点です。
本論文の特徴
OmniScoreの核となる発想は、「複合体の種類ごとに別のモデルを作るのではなく、一度だけ共通の幾何学的表現を学習し、それを土台にタスクごとの軽量な出力ヘッドを付け替える」という設計です。
具体的な処理の流れは次のとおりです。
- 構造を２通りに書き換える: 入力の立体構造を、①「どの部分（残基や原子）とどの部分が近くにあるか」を示す地図のような「グラフ」と、②原子を先頭から順に並べた文章のような「系列」の、２つの形に変換します。
- 形の特徴をつかむ: ①のグラフを、立体的な形の読み取りが得意なAI（EGT）に通し、「どこにどんな凹凸・配置があるか」という幾何学的な特徴を取り出します。
- 全体のつながりをつかむ: その特徴を②の並び順に合わせ直し、長い系列を読むのが得意なAI（双方向Mamba）に通します。これにより、近くの部分どうしの関係だけでなく、構造上は離れていても機能的に関係する部分どうしのつながりも含めた特徴量になります。
- コンパクトな符号に変換する: できあがった特徴量を、残差FSQ量子化という仕組みで少ない情報量の「符号（トークン）」に圧縮します。音声や画像の圧縮技術に近い発想です。
- 元の形に戻す練習をする: 事前学習の段階では、この符号だけから元の立体構造（３次元の座標）を復元できるよう、モデルに繰り返し練習させます。うまく復元できるということは、その符号が構造の特徴をきちんと捉えられている証拠になります。
事前学習では、単純な座標再構成に加えて、
- マスクした原子・ブロックの復元
- Rosettaエネルギーや結合親和性（Kd, Ki, IC50）
- DockQ
- 残基の露出度（SASA/HSE）
といった物理量の予測も同時に学習させています。
データは、
- PDBBind（タンパク質-タンパク質・リガンド・ヌクレオチド複合体）
- IgPose由来の抗体/ナノボディ-抗原構造
- CATH
- CASP
- RNA3DB
- NablaDFT（単量体・低分子）
など、複合体・単量体・低分子を幅広く組み合わせています。
ファインチューニング時には、この事前学習済みのエンコーダと量子化器を凍結し、DockQ予測・結合親和性予測・StructTokenBenchの残基レベル予測といったタスクごとの軽量ヘッド（多くは２層のMLP）だけを学習します。「表現は１つ、出口は複数」というのが本研究の骨格です。
結果
抗体-抗原の構造品質評価
| 項目 | 内容 |
|---|---|
| 評価データ | IgPose由来のSID-Rテストセット（抗体/ナノボディ-抗原の結晶構造・予測構造） |
| 評価方法 | 予測DockQスコアと正解DockQスコアの一致度を、相関・識別の４指標（Pearson, Spearman, ROC-AUC, PR-AUC）で比較 |
| 比較対象 | IgPose、AbEpiScore-1.0、AbEpiTarget-1.0 |
OmniScoreは、上記の評価で比較した全４指標について最高性能を記録しました。最強のベースラインIgPoseをPearson相関で+0.21、Spearman相関で+0.14上回っています。
アブレーション実験からは、単純なMambaのみのオートエンコーダでは再構成・下流タスクとも性能が弱く、等変グラフトランスフォーマー（EGT）を加えることで大幅に改善することが確認されています。さらに、構造レベルの補助タスク（エネルギー予測など）やマスキングによる自己教師あり学習、残基の露出度情報を段階的に足していくことで、性能が着実に積み上がっていく様子が示されました。
考察
興味深いのは、「構造再構成の精度（RMSDやTM-score）が高いモデルほど下流タスクに強いとは限らない」という観察です。検証用データでの再構成精度が最も高かったのは大きめのモデルでしたが、StructTokenBenchでの分類・回帰性能が最も高かったのは、より小さいモデルでした。著者らはこれを踏まえ、モデル選択の基準を再構成精度だけに頼るのは危険で、軽量な下流タスクでの評価と組み合わせる必要があると指摘しています。
