論文タイトル
Boltzdesign1: Inverting All-Atom Structure Prediction Model for Generalized Biomolecular Binder Design
出典
Boltzdesign1: Inverting All-Atom Structure Prediction Model for Generalized Biomolecular Binder Design
Deep learning in structure prediction has revolutionized protein research, enabling large-scale screening, novel hypothesis generation, and accelerated experime...
www.biorxiv.org
要旨
AlphaFold3に類似した構造予測モデル（Boltz-1）を“逆利用”して、タンパク質バインダーを設計する新たな手法を提案しています。
解説など
近年、「構造予測モデルの“逆利用（hallucination）”」によって、入力配列を最適化し、ターゲットに結合可能な配列を設計する技術が発展しています（例: BindCraft）。しかし AlphaFold3 のようなモデルの拡散モジュールを含めた逆伝播は、計算コストが非常に高いことが課題です。
本研究では、Boltz-1（AlphaFold3のオープンソース再実装）を逆方向に使い、新たな配列を設計する「BoltzDesign1」を提案しています。Diffusion モジュールを使わず、Pairformer と Confidence モジュールのみで設計を行う工夫により、高速かつ多様なバインダー設計を実現しています。
モデルの構成要素
- Pairformer: 配列からペア表現（distogram）を出力。距離分布の確率モデル。
- Confidence Module: 構造の信頼度（pLDDT、pAEなど）を出力。
主要なアイデア
- Diffusionモジュールを経由せず、distogram（距離分布）とconfidence scoreに基づいて、配列を最適化。
- LigandMPNNを併用することで、追加でインターフェースを微調整が可能。
結果と評価
小分子バインダーの設計（例: IAI, FAD, SAM, OQO）で、BoltzDesign1 は RfDiffusionAA よりも高い成功率と構造多様性を示しました。また金属、DNA、翻訳語修飾（PCNA、Smad2、CD45）でも各抗原を特異的に認識する妥当性の高いバインダーを設計しています。いずれもインシリコ上での評価までです。
コードはこちら。
GitHub - yehlincho/BoltzDesign1
Contribute to yehlincho/BoltzDesign1 development by creating an account on GitHub.
github.com
