D3Rings: Ring System Classification & Deep Molecular Generation
Ma et al., 2024 — ChinaRxiv: chinaxiv-202402.00090 | SIMM, Chinese Academy of Sciences
🎯 SSSR ベース環分類 × 深層生成モデルで薬物様環状化合物ライブラリを10倍拡張し、ドッキングヒット率を改善
① 背景と課題

環状化合物は承認済み低分子薬の99%以上を占め、縮合/架橋環・スピロ環・大環状化合物は特に創薬で重要な構造クラスである。しかし既存の環系分類手法（Bemis-Murcko、Scaffold Tree）は複雑な環接続パターンを統一的に処理できず、大規模データベース解析や分子生成への応用に課題があった。

スピロ環・ケージ環・大環状の自動分類が既存ツールでは困難
深層生成モデルが複雑環系を学習・生成できるか未検証
ライブラリ規模と仮想スクリーニング性能の定量的関係が不明

→ D3Rings で分類 + VAE/AAE/CharRNN で生成 → 10倍ライブラリのドッキング効果を実証

② 手法: D3Rings 分類器

RDKit GetSSSR() で環を列挙後、非環式結合でフラグメント分割。各フラグメントの環数を計算：

joined_ring_count
= ring_bonds − ring_atoms + 1
分子
↓ SSSR
↓ 大環状チェック（≥12原子）
↓ スピロ検出（bridgehead 1原子）
↓ 縮合/架橋/ケージ判定
↓ 6カテゴリ出力
② 手法: 深層生成モデル
VAE：双方向GRU encoder + KL 正則化 + 3層GRU decoder
AAE：LSTM encoder + 2層FC 判別器（adversarial 推論）
CharRNN：3層LSTM、文字単位 SMILES 予測

DrugBank（1万分子）・COCONUT（37万分子）で学習 → 各10倍拡張

4,185,929
生成 COCONUT 様分子数
③ D3Rings 分類による DB 解析
  • COCONUT は縮合/架橋環が71.6%と最多
  • スピロ化合物は COCONUT (5.4%) が ChEMBL/DrugBank の約3倍
  • 大環状も COCONUT が他DBの2〜3倍の割合
  • DrugBank は非環式+単環式 > 55%で最も単純
  • ハロゲン：フッ素/塩素が主流、臭素/ヨウ素は希少
④ 主要結果 (a) MOSES 生成品質

DrugBank 学習での MOSES 指標比較

0 0.5 1.0 Validity Novelty Diversity Unique10k Scaff VAE/CharRNN（本研究） JT-VAE（比較）
④ 主要結果 (b) ライブラリ規模とドッキングスコア

COCONUT 様ライブラリのサイズ vs. トップスコア改善

−6 −8 −10 −12 0.1% 1% 10% 100% Δ≈−2.3 3CLpro RdRp nsp13 ← 飽和なし（1000倍拡大でも改善継続）
④ 主要結果 (c) DB別 環系分布
環カテゴリChEMBLDrugBankCOCONUT
非環式1.1%13.8%5.1%
単環式42.9%42.2%23.3%
縮合/架橋55.1%43.7%71.2%
スピロ1.3%0.7%5.4%
大環状1.5%2.3%5.3%

COCONUT は複雑環系が豊富 → 天然物スキャフォールドの多様性を示す

④ 主要結果 (d) 環系別ドッキング傾向
環カテゴリ3CLproRdRpnsp13
縮合/架橋⭐最良良好⭐最良
単環式良好⭐最良良好
スピロ中程度中程度中程度
大環状中程度中程度良好
非環式低低低
評価は Glide HTVS（近似的）。MM-GBSA/FEP 精密評価は未実施
⑤ テイクホームメッセージ
🔵 D3Rings: 高速環系分類
SSSR + ring_bonds−ring_atoms+1 の簡潔な指標で6カテゴリを高速・正確に分類。Python/RDKit 実装。
🧬 10倍スケール生成
VAE/AAE/CharRNN で DrugBank/COCONUT を各10倍拡張。Validity≈1・Novelty>99%・Diversity>0.88 を達成。
📈 ライブラリ規模と性能は比例
1000倍拡大でトップ100スコアが Δ≈−2.2〜−2.4 kcal/mol 改善。飽和なしの単調増加。
🌿 COCONUT は複雑環系の宝庫
スピロ・大環状・縮合環がChEMBL/DrugBankより2〜3倍豊富。天然物スキャフォールドの活用余地大。
ケムインフォマティクスへの応用
適用先ユースケース
lib/molgenD3Rings を生成後フィルターとして統合、スピロ/大環状を優先出力
lib/dockingCOCONUT 様10倍ライブラリを UniDockRunner で大規模スクリーニング
lib/molgenCharRNN/VAE を MolgenYaml の generator_backend として実装
ring_bonds − ring_atoms + 1
環系分類の核心式（RDKit で直接計算可能）
本研究のインパクト
  • 6カテゴリ環系分類を大規模DB（ChEMBL/DrugBank/COCONUT）に適用した初の系統的解析
  • 深層生成モデルが複雑環系を再現できることを MOSES 指標で実証
  • ライブラリ規模拡大の効果が飽和しない実験的根拠を提示
  • D3Rings Web ツールを無償公開（http://www.d3pharma.com/D3Rings/）
ChinaRxiv 2024 | chinaxiv-202402.00090 | Ma, Zhang, Zhou, Han, Shi, Li, Wu, Xu, Zhu — SIMM, Chinese Academy of Sciences | D3Rings: http://www.d3pharma.com/D3Rings/