DUW-MGCA: Dynamic Uncertainty-Weighted Multi-Granularity Coattention for QM/MD Protein–Ligand Interaction Prediction
Bo Tan, Yupeng Niu, Zhuolun He — J. Chem. Inf. Model. 2026, 66, 4913–4931 | DOI: 10.1021/acs.jcim.5c03023
🎯 QMの高精度×MDの低コストを不確実性aware fusionで統合 — HiQBind-MISATOでSOTA達成（RMSE 0.979 kcal/mol, R=0.931）
① 背景: QM/MD忠実度ギャップ問題

タンパク質-リガンド結合予測の計算パイプラインは精度とコストのトレードオフに制約される。QM計算は局所電子構造を高精度に記述するが計算コストが高く少数スナップショットに限定。MDシミュレーションは豊富なコンフォメーションサンプリングを提供するが古典力場の近似（系統バイアスβff＋熱揺動ノイズσ²MD）に縛られる。

既存の融合手法（CMIF・MIDF-DMAP等）はQMとMDを等価に扱い静的に融合 → 高エネルギー非平衡MDフレームのノイズを区別できない
Physics-Informed NN（PINN）は正確なforce vectorを教師信号として必要とするが、現実の創薬スクリーニングでは利用不可能なケースが多い
単一粒度の注意機構ではQM（局所電子効果）とMD（大域コンフォメーション効果）の物理スケールの違いを同時に捉えられない
② アーキテクチャ概要 (DUW-MGCA)
QMグラフ（高精度・疎）+ MDグラフ（密・ノイズあり）
↓ 共通トポロジー / 別特徴チャネル（Rc=8Å半径グラフ）
↓ SE(3)同変多粒度エンコーダ
   → ノードレベル（局所電子特徴）+ グラフレベル（大域コンフォ）
↓ 異分散UQヘッド → σ²QM, σ²MD をattention biasへ
↓ 不確実性aware bidirectional cross-attention（局所+大域 2粒度）
   + エネルギーベースsoft gating（高エネルギーMDフレーム抑制）
↓ Gated local-global aggregator
↓ 結合親和性予測 + 不確実性出力
物理正則化: L_mag + L_corr + L_smooth（force label不要）
② 手法の3つの核心
  • 静的融合 → 忠実度aware動的融合: 異分散σ²をattention biasとして上流に組み込みQM/MD重みを入力依存で調整
  • 出力キャリブレーション → 特徴デノイジング: 不確実性をpost hocではなく特徴選択と抑制の能動的ガイドとして使用
  • 強教師force field → 弱物理正則化: RMSF統計量と勾配事前分布でforce label不要の物理整合性を担保
RMSE 0.979 kcal/mol
HiQBind-MISATO | Late_fusion比 -27% | p<0.01 vs MIDF-DMAP
④ 主要結果 (a) HiQBind-MISATOベンチマーク比較
0.5 1.0 1.5 2.0 2.5 0.98 0.98* 1.10 1.34 1.15 0.89 1.13 1.25 DUW-MGCA MIDF CMIF Late-f Early-f EGNN GraphDTA DeepDTA RMSE (kcal/mol) — 低いほど良い DUW-MGCA Multi-modal Single-modal
④ 主要結果 (b) アブレーション研究
0 5 10 15 5.12 8.34 7.21 12.45 9.80 A(Full) B(-UQ) C(-gate) D(-phys) E(-Lmag) ΔF 力一致誤差（アブレーション） 物理正則化全除去（D）でΔF=12.45（Full比+143%）
④ 主要結果 (c) 性能指標サマリー
手法RMSEMAERECE
DUW-MGCA0.9790.8230.9310.475
MIDF-DMAP0.9780.8230.9310.575
CMIF1.0980.8950.8790.671
Late_fusion1.3381.1470.9080.741
EGNN(QM)0.8850.6980.9040.492

*MIDF-DAP比較はRMSE/MAEでp<0.01, R でp<0.05。ECEはDUW-MGCAが全モデル中最良。

~1分 / GPU
1複合体あたりの推論時間（単一GPU）
④ 主要結果 (d) QM/MDフレームの不確実性分布
0 0.5 1.0 MDフレームエネルギー (低→高) 平衡領域 高weight 非平衡領域 低weight Attention Weight vs MDフレームエネルギー Soft gating curve (conceptual) 高σ²→低weight

高エネルギー非平衡フレームの注意重みを適応的に抑制し、QM基準と整合するequilibrium領域を優先的に学習。

⑤ 限界・残る議論
ECE≈0.47 — 完全キャリブレーションには程遠く、高信頼度領域で5-10%の系統バイアスが残存。実用にはtemperature scalingが必要
HiQBind-MISATO単一ベンチマークのみ評価 — 他データセットへの汎化性未検証
QM計算コスト（新規系での適用時のバリア）が議論されていない
公開実装URLが論文に明示なし
⑥ lib/mdへの統合可能性（計算化学応用）
  • lib/md: HBondAnalyzer/RMSDAnalyzerのMD解析出力（RMSF・接触フィンガープリント）をDUW-MGCA MD特徴として活用。誘導適合や強い極性相互作用の系でのスコアリング精度向上
  • lib/fep: DUW-MGCA予測結合親和性（R=0.931）をMMGBSAEngineの前段フィルタとして使用しFEP対象を絞り込む。不確実性スコアで優先順位付け
  • lib/docking: UniDockRunnerのドッキングポーズをDUW-MGCAで再スコアリング。古典力場依存バイアスをQM情報で補正
⑦ データセット・参考情報

MISATO: https://github.com/bjorgve/misato（QM/MDハイブリッドデータ）

HiQBind: 高品質結合親和性データセット（別途取得）

依存技術: SE(3)同変GNN（e3nn/PyTorch Geometric）・異分散回帰・coattention・物理正則化（RMSF統計）

再現性: 3ランダム分割×mean±std報告。temperature scalingで後処理キャリブレーション推奨

X要約: QM/MDハイブリッド「忠実度ギャップ」を異分散不確実性でaware fusionするDUW-MGCA。SE(3)同変GNN+弱教師物理正則化でRMSE 0.979 kcal/mol、R=0.931達成 #Cheminformatics

DOI: 10.1021/acs.jcim.5c03023 | J. Chem. Inf. Model. 2026, 66, 4913–4931 | Bo Tan, Yupeng Niu, Zhuolun He | 生成: 2026-05-11