論文タイトル
xBind: an integrated webserver for large language model-enabled cross-molecular protein binding site prediction
出典
要旨
xBindは、タンパク質-タンパク質、タンパク質-DNA、タンパク質-RNA相互作用における結合部位を統一的に予測できるWebサーバーです。ESM-2由来のタンパク質言語モデル埋め込みと、E(3)-equivariant graph neural network（3次元回転・並進に対して対称性を保つGNN）を組み合わせることで、実験構造だけでなくAlphaFold予測構造にも対応した結合部位予測を実現しています。
解説など
本研究で紹介しているxBindは、タンパク質-タンパク質、タンパク質-DNA、タンパク質-RNA相互作用における結合部位を予測できる手法です。入力は対象の抗原情報のみで、特定の相互作用パートナーとの結合部位を予測するのではなく、一般的に相互作用しやすい表面残基を同定します。
xBindの特徴は、異なる相互作用タイプを1つの基盤で扱える点です。従来は、タンパク質-タンパク質相互作用用、DNA結合用、RNA結合用など、それぞれ別々のモデルとして開発されることが多くありました。本研究では、protein–protein、protein–DNA、protein–RNA の3種類を統合的に扱えるようにしています。
内部で活用されているモデルは、既報のEquiPPIS（タンパク質間相互作用）やEquiPNAS（タンパク質-DNA/RNA相互作用）になります。
EquiPPIS/EquiPNASについて
モデルの中核にはESM-2というタンパク質言語モデルが使われています。タンパク質言語モデルは、大量のアミノ酸配列を学習することで、進化的・構造的・機能的な特徴を埋め込み（embedding）として表現する技術です。
本研究では、そのESM-2埋め込みに加えて、配列特徴や構造特徴を統合し、E(3)-equivariant graph neural network に入力しています。E(3)-equivariant GNN は、タンパク質の3次元回転や位置変換に対して一貫した表現を維持できるため、構造ベース学習との相性が良いことが特徴です。
xBindではEquiPPISやEquiPNASをWebUIから実行することができます。入力が配列情報のみの場合はサーバー側でAF2による構造予測を実行できる点が実用的です。
興味深い点として、著者らは今後の改善方向についても議論しています。たとえば、AlphaFoldのpLDDTや実験構造のB-factorなど、構造信頼度情報を予測スコアの補正に使う可能性が述べられています。また、単一静的構造だけではなく、コンフォメーション変化やダイナミクスを考慮した結合部位予測も将来的な方向性として挙げられています。
ウェブサーバー
