Modeling Protein-Ligand Binding Affinity Using Graph Neural Networks (Li & Wei 2025 Master's Thesis)

Modeling Protein-Ligand Binding Affinity Using Graph Neural Networks: Integrating Molecular Interactions and Physics-Based Properties

Master's Thesis 2025 — Chalmers Univ. of Tech. + Univ. of Gothenburg + AstraZeneca (Li & Wei)

🎯 CrossDocked2020 上で 3 GNN architecture (Linear / STA / GAT) を controlled comparison し、pose differentiation 用途の binding affinity 予測器を構築する。

① 背景と課題

protein-ligand binding affinity 予測は drug discovery の核心問題で、多くの ML / DL 手法が提案されてきた。しかし molecular interaction と physics-based property を統合した正確な予測は依然困難。Master's thesis として、open dataset 上で 3 アーキテクチャを公平比較する evidence を提供することが本研究の主旨。

single architecture studies が多く、同 input/training での公平比較は限定的。

pose differentiation (correct vs incorrect) に特化した re-scoring の academic evidence が不足。

→ Linear / STA / GAT を同条件で比較 + physics-based feature 統合 + pose differentiation 評価。

② 手法 (a) 3 GNN architectures

Linear MLP (baseline) / Set Transformer Aggregation (STA, attention-based permutation-invariant) / Graph Attention Network (GAT, edge-wise attention) の 3 系統を同 input + 同 training protocol で実装。

ligand graph + protein interactions + physics-based → {Linear / STA / GAT} → binding affinity

STA は attention-based aggregation で複数 node の集約に有利。GAT は標準的な GNN backbone。

② 手法 (b) Integrated features

ligand graph (atom + bond) に加えて protein interaction feature と physics-based property (partial charge / SASA / H-bond / LogP 等) を統合。CrossDocked2020 dataset で correct / incorrect pose の両方を学習。

Pearson R ≈ 0.79

Kendall τ ≈ 0.58 (best model on CrossDocked2020)

SOTA 比では下位だが Master's thesis の独立実装としては healthy。

③ 本研究で示したこと（要点）

3 GNN architecture (Linear / STA / GAT) の公平な controlled comparison evidence
STA aggregation backbone の binding affinity 予測での実用性
physics-based feature 統合の効果（ablation で示唆）
pose differentiation 用途に最適化した re-scoring framework

④ 主な結果 (a) アーキテクチャ比較

CrossDocked2020 での 3 architecture (Pearson R, 推察)

STA と GAT は近接、Linear は大きく劣る (典型的な GNN comparison pattern)。

④ 主な結果 (b) Pose differentiation

correct と incorrect pose を score 分布で分離。re-scoring 実用域。

④ 主な結果 (c) Dataset + protocol

項目	内容
Dataset	CrossDocked2020 (公開)
Split	standard protocol
Target	continuous binding affinity
Eval metrics	Pearson R / Kendall τ / pose AUC
Industrial supervisor	AstraZeneca Molecular AI

④ 主な結果 (d) chemexp 内位置付け

chemexp 接点	適合
protein-ligand affinity 予測	○ 中核
ulvsflow SurrogateModel ABC	STA backbone 候補
docking-analysis-tools re-scoring	GNN backbone 参考
priority	low (Master's thesis、novelty 低)

直接スコープ内だが novelty 低で実装優先度低。参考点として記録。

⑤ テイクホームメッセージ

📊 controlled comparison
同 input + 同 training で 3 GNN を公平比較する稀な data point。

🎯 Pose differentiation
絶対精度より correct/incorrect 分離を主眼にした実用設計。

🏭 Industrial relevance
AstraZeneca Molecular AI 指導下で実施。実装の practical 性が高い。

⚠️ Novelty 控えめ
Master's thesis として publication 査読を経ていない。SOTA との直接対比は限定。

類似研究との対比

系統	アーキテクチャ
RF-Score	Random Forest
DeepDTA	1D CNN
GraphDTA	GIN / GAT
PIGNet / IGN	physics-aware GNN
Li & Wei 2025	Linear / STA / GAT compared

本研究のインパクト

3 GNN architecture の controlled comparison evidence の提供
physics-based feature 統合の効果証拠（thesis レベル）
chemexp 文脈: ulvsflow / docking-analysis-tools の surrogate 設計参考点