The BOS-Lig Dataset: Accurate Ligand Charges from a Consensus Approach for 66,810 Experimentally Synthesized Ligands

저자: Roland G. St. Michel, Ryan J. Jang, Aaron G. Garrison, Ilia Kevlishvili, Heather J. Kulik | 날짜: 2026 | DOI: 10.48550/ARXIV.2604.06043 📄 PDF

Essence

Figure 4. Ligand charge workflow and results. a) Flowchart of the iterative procedure used to

캠브리지 구조 데이터베이스의 126,985개 단핵 전이금속 착물에서 반복적 전하 균형 워크플로우를 통해 66,810개 리간드의 정확한 순 전하를 결정하고, 주제 모델링으로 25,146개 리간드의 기능적 응용 영역을 분류한 BOS-Lig 데이터세트를 구축했다.

Motivation

Known: 전이금속 착물(TMC)은 촉매, 광화학, 자성, 생물무기화학 분야에서 광범위하게 연구되고 있으며, 리간드는 착물의 기하학, 전자구조, 반응성을 결정하는 핵심 요소다.
Gap: 결정학 데이터베이스에서 리간드의 순 전하와 응용 영역 정보가 종종 누락되거나 불일치하게 기록되어 있으며, 기존의 리간드 전하 할당 방법들은 특정 배위 기하학에만 제한되거나 일반화 능력이 부족하다.
Why: 정확한 리간드 전하 할당은 고속 전산 스크리닝과 DFT 계산에서 전자구조 및 에너지 오류를 방지하기 위해 필수적이며, 리간드의 응용 영역 정보는 합리적 설계 및 스크리닝 프로토콜 개발에 중요하다.
Approach: 반복적 전하 균형 워크플로우를 통해 단위 세포 전중성을 이용하여 복합 전하를 추론하고, 호모렙틱(homoleptic) 착물부터 시작하여 헤테로렙틱(heteroleptic) 환경으로 할당을 확산시키며, 논문 초록의 주제 모델링으로 리간드의 기능적 용도를 분류했다.

Achievement

Figure 2. Count, charge and oxidation state distributions for TMCs. a) Funnel diagram illustrating

포괄적 데이터세트 구축: 94,581개의 고유 리간드 구조 중 66,810개에 대한 신뢰성 높은 순 전하 할당
강건한 워크플로우 개발: 직접 전하 정보가 없을 때도 전하를 추론할 수 있는 반복적 순환 알고리즘
품질 관리: 순 전칙(octet rule)이 실패하는 경우를 분석하고 순도 지표(purity metric)를 도입하여 전하 할당의 신뢰성 평가
배위 화학 분류: 금속 배위 원자 정체성 및 헤미래빌성(hemilability) 변이 식별
응용 영역 연결: 25,146개 리간드를 반응성, 산화환원, 생물화학, 광물리 화학의 4가지 기능 영역과 연결

How

Figure 1 and Supporting Information Table S1). Then, we enforced unit cell neutrality, inferring

CSD March 2024 업데이트에서 599,180개 항목을 정제하여 126,985개 단핵 TMC 추출
Weisfeiler-Lehman 그래프 해시를 이용한 분자 성분 동일성 판별
267개의 공통 비금속 분자에 대한 수동 전하 정의로 시드 집합 구성
단위 세포 전중성 조건을 이용한 반복적 전하 해결 알고리즘 적용
호모렙틱 착물에서 리간드 전하 우선 할당 후 가중치 기반 확산
저널 초록의 자연언어처리 및 주제 모델링으로 응용 영역 분류
불확실성 케이스에 대한 순도 지표 계산 및 신뢰도 평가

Originality

단위 세포 전중성을 이용한 반복적 전하 추론 방법의 대규모 적용 (cell2mol의 한계 극복)
호모렙틱→헤테로렙틱 순차 할당을 통한 간접 전하 정보 활용의 창의적 전략
결정학 데이터와 문헌 정보(주제 모델링)를 통합한 리간드-중심의 다층적 특성화
리간드의 전문성(specificity) 정량화를 통한 광범위 재사용 vs. 특화된 분자 구분

Limitation & Further Study

전하 할당 확신도가 66,810/94,581(70.7%)에 불과하며, 나머지 27,771개 리간드는 미할당 상태
주제 모델링으로 기능 영역을 할당한 리간드는 38,115개 중 25,146개(65.9%)로, 데이터 커버리지 제한
순도 지표가 불확실한 전하 할당을 식별하지만, 거짓 양성 제거 메커니즘 부족
다핵(polynuclear) 착물과 액티나이드/란탄족 원소 함유 착물은 제외되어 화학 공간의 일부만 커버
후속 연구: 머신러닝 모델 개선으로 미할당 리간드의 전하 예측, 다중 레이블 분류 정밀도 향상, 계산 검증을 위한 DFT 계산 통합

Evaluation

Novelty: 4/5 Technical Soundness: 3/5 Significance: 4/5 Clarity: 4/5 Overall: 4/5

총평: 이 연구는 결정학 데이터의 부정확성과 불완전성 문제를 체계적으로 해결하여 66,810개 리간드의 신뢰성 높은 전하 정보와 기능적 분류를 제공함으로써, 전이금속 착물의 전산 스크리닝과 데이터 기반 리간드 설계를 위한 탄탄한 기초를 마련했다.

같이 보면 좋은 논문

기반 연구

Accurate prediction of protein structures and interactions using a three-track neural network

AlphaFold2 기반 단백질-리간드 복합체 예측 아키텍처 및 정확도 향상 연구가 BOS-Lig dataset 구축 및 적용의 기술적 기반이 된다.

기반 연구

Geometry Informed Tokenization of Molecules for Language Model Generation

383의 geometry-informed tokenization은 리간드 및 금속착물 데이터 분석의 feature 설계에 핵심 이론을 제공합니다.

기반 연구

Boltz-1 Democratizing Biomolecular Interaction Modeling

리간드 특성 데이터베이스 구축의 방법론적 기반을 제공하는 연구이다.

기반 연구

A Hybrid Physics-Deep Learning Framework for Combinatorial De Novo Design of Small-Molecule Binding Proteins

정확한 리간드 전하 정보의 구축 및 분류가 단백질-리간드 상호작용 설계의 정밀도 향상에 근간이 된다.

다른 접근

Interpretable and generative deep learning models explicate phase separating intrinsically disordered motifs

금속 착물 데이터셋 구축의 유사한 문제를 대안적 방법으로 접근한다.

다른 접근

On the Reliability of AI Methods in Drug Discovery: Evaluation of Boltz-2 for Structure and Binding Affinity Prediction

전이금속 착물의 화학 데이터베이스 구축에서 유사한 문제를 다르게 접근한다.

다른 접근

InstructNA leverages nucleic acid large language models with HT-SELEX for de novo generation of functional nucleic acids

화학 데이터베이스 큐레이션의 대안적 접근법을 제시하는 연구이다.

다른 접근

AbAffinity: A Large Language Model for Predicting Antibody Binding Affinity against SARS-CoV-2

2999의 AbAffinity는 항체-항원 결합 예측에 LLM 특화 학습을 적용하여, 1106의 금속착물/리간드 타깃 구조와는 대상을 달리하지만 유사 워크플로우를 사용합니다.

다른 접근

Prediction and Experimental Verification of Electrolyte Solvation Structure from an OMol25-Trained Interatomic Potential

이온 해리 및 전하 예측을 실험적으로 검증한 전해질 솔브레이트 예측 논문과 BOS-Lig dataset의 데이터 품질 및 활용도를 비교할 수 있다.

다른 접근

General Multimodal Protein Design Enables DNA-Encoding of Chemistry

전이금속 화합물의 전하 분석에서 유사한 워크플로우를 취하는 연구이다.

다른 접근

Graph Neural Networks (GNNs) for Protein-Ligand Interaction Prediction

GNN을 활용한 단백질-리간드 상호작용 예측을 다루며, BOS-Lig 데이터셋이 ML 모델 성능 벤치마크에 유용하게 사용될 수 있다.

후속 연구

Accurate prediction of protein structures and interactions using a three-track neural network

정확한 단백질-리간드 복합체 예측 후 해당 리간드의 전하 예측 및 기능적 분류(BOS-Lig Dataset)로 연계되는 분석 파이프라인을 확인할 수 있다.

후속 연구

A Hybrid Physics-Deep Learning Framework for Combinatorial De Novo Design of Small-Molecule Binding Proteins

작은 분자의 결합 단백질(de novo design) 분야에서, 고정확 리간드 전하 정보가 실험적 성공률 향상에 기여할 수 있다.

응용 사례

ChemToolAgent: The Impact of Tools on Language Agents for Chemistry Problem Solving

LLM Agent 기반 화학 반응 시뮬레이션 및 전하 예측 툴(214)이 실제로 BOS-Lig dataset의 활용 가능성을 보여준다.

응용 사례

A Physics-Informed Chemical Rule for Topological Materials Discovery

정확한 전하, 궤도 특성 등 위상 물질 탐색에 필요한 정밀 데이터(BOS-Lig)를 규칙 기반 탐색에 바로 활용 가능하다.

← 목록으로 돌아가기