ドッキング対決:物理ベース・共フォールディング・ハイブリッドモデルを徹底比較
- 物理ベースのドッキング、深層学習による共フォールディング、ハイブリッドリスコアリング手法が、未知のタンパク質標的や化学骨格に対してどれだけ汎化できるかを比較している。
- 従来の物理ベースドッキングが、真に新規な標的においていくつかの共フォールディング手法より優れていたとする最近のRuns-n-Posesベンチマークを踏まえている。
- ポーズ予測精度とランキング性能を評価し、標的の新規性に応じたドッキング戦略選択への実践的指針を提供している。
💡 ポイント
真に新規な標的では物理ベースドッキングが共フォールディング手法に依然として勝るという結果、これが何度も頭に浮かぶ——深層学習モデルはフォールディングの物理を解いているのではなく、PDBのカバレッジをパターンマッチしているに過ぎず、類似構造のない標的に当たった途端にそれが露呈する。共フォールディング手法がゼロアナログの事例で実証されるまでは、両方走らせて古典的スコアをタイブレーカーとして信頼する。
Multiparadigm Benchmark of Molecular Docking: From Physics to Co-Folding and Hybrid Models ↗