Contrastive Geometric Learning Unlocks Unified Structure- and Ligand-Based Drug Design

Motivation

• Known: 기존에는 structure-based drug design(SBDD)과 ligand-based drug design(LBDD)이 각각 PDB의 protein-ligand complex 구조 데이터와 PubChem/ChEMBL 같은 대규모 bioactivity 데이터를 서로 다른 모델링 가정 하에 별도로 활용해 왔으며, contrastive learning 기반 PLI 모델들도 구조 데이터 학습 시 사전 정의된 pocket에 의존하거나 리간드 기반 학습 시 pocket-specific 예측이 불가능한 한계가 있었다.
• Gap: 기존 통합 시도들은 PDB complex에 리간드 기반 데이터를 결합할 때 정답 pocket을 가정하거나 blind docking으로 pose를 생성해 계산 비용과 불확실성이 크며, 서로 다른 모듈(co-folding 구조 예측 head와 별도 affinity head, 혹은 서열/pocket 별도 인코더)로 두 데이터를 분리 감독하여 추론 시 두 입력이 모두 필요하다는 문제가 있어, 사전 정의된 pocket 없이 pocket-level 예측까지 가능한 통합 방법이 부재했다.
• Why: 단백질-리간드 상호작용을 정확하고 빠르게 모델링하는 것은 신약 발굴의 핵심이며, 구조 정보와 대규모 활성 데이터를 하나의 모델로 학습할 수 있다면 virtual screening, target fishing, ligand-conditioned pocket prediction 등 여러 다운스트림 작업을 docking이나 co-folding 대비 훨씬 빠르게 수행할 수 있는 범용 foundation model로 나아갈 수 있다.
• Approach: geometric protein encoder로 whole-protein 표현과 예측된 binding site들의 암묵적 임베딩을 동시에 생성하고, 빠른 ligand encoder와 CLIP 스타일 contrastive learning을 통해 리간드를 전역 단백질 표현 및 다중 후보 결합 부위와 정렬시켜, protein-ligand complex와 대규모 bioactivity 데이터를 동시에 학습한다.

Achievement

Figure 3. Average virtual screening time per protein target versus

1. 통합 구조-리간드 학습: 사전 정의된 pocket 없이 structure-based complex 데이터와 대규모 ligand-based bioactivity 데이터를 하나의 end-to-end 모델에서 동시에 학습하는 최초의 아키텍처를 제시했다.
2. ligand-conditioned pocket prediction 신규 과제: CLIP 스타일 contrastive loss를 protein-ligand 축 외에 결합 부위 축까지 확장하여, blind docking이나 co-folding 없이 특정 리간드의 결합 부위를 식별하는 새로운 과제를 도입하고 state-of-the-art 성능을 달성했다.
3. 다중 벤치마크 우수성: zero-shot virtual screening에서 경쟁력 있는 성능을, 어려운 target fishing 과제에서 기존 방법 대비 큰 폭의 성능 향상을, docking/co-folding 대비 수 자릿수 빠른 속도를 동시에 입증했다.

How

Figure 2. ConGLUDe architecture and training procedure. A: Message-passing scheme of ConGLUDe’s protein encoder based on

• 단백질을 각 residue를 노드로 하는 geometric graph G로 표현하며, Cα 원자의 3D 좌표와 ESM-2 기반 residue 특성 벡터를 노드 특징으로 사용하고, 10Å 반경 내 최대 10개 최근접 이웃으로 엣지를 구성
• 리간드는 Morgan fingerprint와 RDKit 화학 서술자를 결합한 고정 길이 벡터로 표현
• message-passing 기반 geometric protein encoder로 whole-protein 표현과 다중 후보 binding site의 암묵적 임베딩을 동시에 산출
• 별도의 fast ligand encoder를 두어 계산 효율성 확보
• CLIP 스타일 contrastive loss를 protein-ligand 정렬 축에 더해 후보 binding site 축까지 확장하여 3중 대조 학습 수행
• PDB 유래 protein-ligand complex(구조 기반, positive/negative 라벨)와 PubChem/ChEMBL 유래 대규모 bioactivity 측정치(리간드 기반, binary 혹은 real-valued label)를 함께 학습 데이터로 사용해 두 패러다임을 하나의 모델에서 공동 최적화

Originality

• CLIP 스타일 contrastive loss를 protein-ligand 축뿐 아니라 후보 binding site 축으로 확장한 3-way contrastive 설계가 새로움
• 사전 정의된 pocket 없이 whole-protein 표현과 암묵적 다중 pocket 임베딩을 동시에 산출하는 geometric protein encoder 설계
• 구조 기반 complex 데이터와 리간드 기반 bioactivity 데이터를 별도 모듈이 아닌 단일 end-to-end 모델로 공동 학습한 최초 사례
• ligand-conditioned pocket prediction이라는 새로운 과제 정의 및 벤치마크 제시

Limitation & Further Study

• 발췌된 내용만으로는 정량적 벤치마크 수치, 데이터셋 분할 방식, negative sampling 전략의 세부사항이 불명확하여 실제 성능 우위의 견고성을 완전히 판단하기 어려움
• 암묵적으로 예측된 binding site의 개수나 위치 정확도에 대한 별도 검증이 필요할 수 있으며, 매우 유연한 결합 부위(intrinsically disordered region 등)나 다중 pocket을 가진 단백질에 대한 일반화 성능은 추가 검토가 필요
• ESM-2 기반 서열 임베딩과 Cα 좌표만을 활용하는 coarse-grained 표현이 side-chain 수준의 세밀한 상호작용 정보를 놓칠 가능성이 있어, 향후 원자 수준(atomic-level) 표현으로의 확장 연구가 필요
• 리간드 표현이 고정 길이 fingerprint/descriptor 기반이라 최신 그래프 신경망 기반 분자 인코더 대비 표현력의 한계가 있을 수 있음

Evaluation

총평: 구조 기반과 리간드 기반 약물 설계를 하나의 contrastive geometric learning 프레임워크로 통합한 참신하고 실용적인 접근으로, ligand-conditioned pocket prediction이라는 새로운 과제를 제시하며 여러 벤치마크에서 우수한 성능과 효율성을 보여준 의미 있는 연구이다.