論文タイトル
Protein Hunter: exploiting structure hallucination within diffusion for protein design
出典
Just a moment...
www.biorxiv.org
要旨
Protein Hunter は “構造予測モデルのハルシネーション能力を逆利用して、構造と配列を同時に最適化する新しい protein design フレームワーク” です。
解説など
本手法のポイントは２つです。
● 革新的ポイント ①
Diffusion 型構造予測モデル（AlphaFold3 / Boltz-2 / Chai-1）の “幻覚（hallucination）” を利用
- これらの AF3-style モデルは、全残基を X（未知アミノ酸）にしても、なぜか折りたためる“それっぽい”構造を作りだす
→ これを starting backbone として利用。 - 特に Boltz-2 が最も良い構造を hallucinate（高 pLDDT、低 RMSD、ヘリックス偏り少ない）。
● 革新的ポイント ②
構造予測（hallucination） ↔ 配列最適化（ProteinMPNN）の iterative cycle
- step1: all-X 配列を AF3-style モデルに入れて hallucination
- step2: その構造を ProteinMPNN / LigandMPNN で配列デザイン
- step3: 再度構造予測（folding）
- step4: 再デザイン
- → この cycle を数回（通常 5 cycles）
すると backbone と sequence が互いに適応して最適化される。
AF2cycler や BoltzDesign よりも軽量で高速。
バインダーの設計例を見ると、RFdiffusion と比較して、11 targets 中 9 target で Boltz-2 使用時にRFdiffusion を上回る ipTM を示したとのことです。
Protein Hunter では、構造予測モデルに、Boltz-2、Chai-1、AF3を使用することができます。この論文では、Boltz-2 の性能が特によかったとのことです。non-canonical residues (X tokenなど）を１トークンで自然に扱えること、各diffusionステップで rigid-body alighnment が実行されるため、denoising が安定することなどが理由とのことです。
コードはこちら。
GitHub - yehlincho/Protein-Hunter
Contribute to yehlincho/Protein-Hunter development by creating an account on GitHub.
github.com
