AlphaFold2 (AF2) のおかげで、実験構造が無い標的にも構造ベース創薬が広がった。しかし PDB 実験ホロ構造で学習されたバインディングサイト予測器（PeSTo, ScanNet, P2Rank, DeepSite 等）を AF2 予測構造へ適用すると、AUC が 0.74-0.76 程度まで大きく落ち込む。
→ AF2 の信頼度プロファイル (pLDDT) を陽に考慮した、ドメイン適応つき予測器が必要。
先行 4 手法を上回り、ギャップを大幅に縮める。
| 項目 | 値 |
|---|---|
| AF2 AUC | 0.88 ± 0.00 |
| Max F1 (AF2) | 0.3574 ± 0.0049 |
| PeSTo (AF2) | AUC 0.74 |
| P2Rank (AF2) | AUC 0.76 |
| 訓練集合 | PDBbind v2020 Refined (5316) |
| クラスタリング | MMseqs2 95% / cov 90% |
| 幾何 Encoder | PointNet++ (Calpha 点群) |
| 配列 Encoder | ESM-C 残基埋め込み |
| 適応戦略 | pLDDT 重み付き DANN (GRL) |
Calpha 点群（並進・回転不変な幾何）と ESM-C 配列埋め込みは、AF2 構造の幾何ノイズを互いに補完する強力な組み合わせ。
残基ごとの pLDDT を DANN 損失の重みに使うだけで、IDR のネガティブトランスファーが抑制され AUC が大きく改善。
同一 AF2 テストで PeSTo・P2Rank・ScanNet・DeepSite を一貫して上回る。実務導入の論拠として強い。
クリプティックポケット・誘導適合の強い系では Max F1 の頭打ちが残る。MD・ホロ生成との併用が次の論点。