Assessment of AlphaFold Protein Models for Small-Molecule Ligand Docking versus Co-Folding

Maidanik, Joseph-McCarthy et al. (Boston University) — J. Chem. Inf. Model. (ACS), 2026 | DOI: 10.1021/acs.jcim.6c01038

🎯 実験構造がない初期創薬で、AlphaFoldモデルをGlideドッキングの標的として使えるか体系評価。FTMapで結合部位非依存にボックスを定義し、AF2マルチシードアンサンブル vs co-folding(AF3/Boltz-2)を比較

① 背景と課題

構造ベース創薬のドッキングは、実験的に決定された高分解能タンパク質構造の有無に律速される。配列から3D構造を予測するAlphaFold(AF)モデルでこの律速をどこまで埋められるかを、広く使われるGlideドッキングで体系評価した。

既存のAF評価研究は結論がまちまちで、多くは結合リガンド位置を既知としてボックスを定義 — 実運用と乖離

AF2は学習データに holo 構造を多く含むため、公正評価にはデータリーク除外が必須

→ FTMapホットスポットでリガンド非依存にボックスを定義し、結合部位未知の創薬現場を厳密に模擬。さらにAF2の確率的生成を逆手にマルチシードアンサンブルで柔軟性を導入

② 手法概要

Wakefieldら33タンパク質ベンチ
(各々 fragment / 大型lig / apo のX線)
↓
ColabFold: 100シード×5モデル=500生成
pLDDT上位100をAFアンサンブル
↓
FTMap: 16プローブ網羅 → cluster≥13
のコンセンサスサイト中心をbox中心
↓
Glide XP ドッキング (5 pose/lig)
heavy-atom RMSD で top1/top5 評価

非バイアス + アンサンブル

結合リガンド座標を一切使わず、テンプレートフリーで柔軟性を取り込む

比較対象: AF3 / Boltz-2 の co-folding。リーク除去に PLINDER-PL50 split(2024以降公開・類似度≤50%)で32系の独立テストセットを構築。

③ 計算化学パイプライン連携

lib/docking: ColabFoldマルチシードアンサンブル生成 + pLDDT上位選抜(AFEnsembleDocker)
lib/docking: FTMapコンセンサスサイトから非バイアスboxを自動定義(FTMapBoxGenerator)
lib/docking: UniDockRunner をアンサンブル横断ドッキング + top1/top5 RMSD集約に拡張
lib/docking: 結合部位pLDDTで採用/リランクするPocketConfidenceScorer

実装ギャップ: AF2アンサンブル生成・FTMap box定義・co-foldingベンチ(AF3/Boltz-2)・PLINDER PL50スプリッタ・ポケットpLDDTスコアラーがlib/dockingに未実装

④ 主な結果 (a) フラグメント top1 正解率 (RMSD≤2Å)

FTMap非バイアス(config3)で AF33% > unbound 21%、bound 24%に匹敵。near-correct(≤2.5Å)でもAF top1 36% / top5 58%。

④ 主な結果 (b) 大型リガンド: アンサンブル効果

AF単一12%→アンサンブル18%でunbound(15%)を逆転。平均RMSD top1 6.5→5.6Å、top5 5.8→5.0Å。IFD(18.2%)は標準XPアンサンブル(24.2%)に劣後。

④ 主な結果 (c) co-folding と汎化性能・計算コスト

手法	標準	PLINDER	時間/lig
AF3 (co-fold)	78%	47%	4878s
Boltz-2 (co-fold)	79%	52%	78s
Glide XP docking	—	—	39s
Glide SP docking	—	—	5s

co-foldingは精度で勝るが、独立テスト(PLINDER-PL50)で near-correct精度が AF3 78→47%、Boltz-2 79→52% と大きく劣化し汎化に課題。

ドッキングは桁違いに高速・並列化容易・結合自由エネルギー推定も得られる(AF3はMSAだけで4639s)

⑤ テイクホームメッセージ

FTMap非バイアス定義なら、フラグメントでAFモデルがunboundを上回り bound に匹敵(33% vs 21%)
大型リガンドはマルチシードAFアンサンブル(18%)でunboundを逆転 — 価値の本質は構造サンプリング多様性
全体pLDDT(93.6)より結合部位pLDDT(95.0)が成功率の良い指標
co-foldingは高精度だが低速・汎化に課題 → まずドッキングで絞り選抜化合物のみco-foldingの二段戦略が現実解

限界: 金属イオン(Ca²⁺/Zn²⁺)・水和・PTM・他高分子複合体の欠如で高RMSDアウトライア。AF専用スコアリング関数が今後の課題。