MPBind: Multitask Protein Binding Site Predictor (PLM + Equivariant GNN)
タンパク質/核酸/リガンド/イオン/脂質の5クラス結合部位を単一モデルで同時予測
🎯 PLM の進化情報と equivariant GNN の3D幾何を統合し、5種の相互作用部位を1ネットワークで横断予測する
① 背景と課題

タンパク質は他タンパク質・核酸・リガンド・イオン・脂質と相互作用し、その結合部位予測は機能解明と創薬の基盤。だが従来はクラスごとに専用モデルが必要だった。

クラス特化モデルは単一クラスにしか使えない
脂質結合などデータ少クラスは精度が出にくい
配列のみ/構造のみでは幾何と進化情報の両立が困難

→ PLM + equivariant GNN のマルチタスクで5クラス横断予測

② 手法: MPBind
MPBind multitask architecture sequence+structure PLM (ESM)配列埋め込み Equivariant GNN3D 幾何特徴 統合表現shared residue repr 5 multitask heads proteinDNA/RNAligandlipidion

ESM 埋め込み + E(3)-equivariant GNN を統合、5 つの予測ヘッドでマルチタスク学習

③ 本研究で示したこと
  • 5クラス結合部位を単一モデルで予測
  • protein-protein AUROC 0.83
  • protein-DNA/RNA AUROC 0.81
  • 汎用型・タスク特化型の両方を凌駕
④ (a) クラス別 AUROC
AUROC by partner class 1.00.50 0.83prot-prot 0.81prot-NA ~0.75ligand ~0.73ion/lipid
④ (b) multitask の利点
multitask vs task-specific 従来: クラス別5 separate models MPBind: 1 modelshared repr + 5 heads タスク間知識転移でデータ少クラスも底上げ → 汎用性 × 特化型超えの精度を両立
④ (c) cheminfo 応用
cheminfo 応用: ブラインドドッキングligand head残基結合確率加重重心pocket centerUniDockblind dock→ ポケット手動指定が不要に未アノテーション標的に適用拡大
④ (d) 性能表
partnerAUROC
protein-protein0.83
protein-DNA/RNA0.81
ligand~0.75
ion / lipid~0.73

5クラスを単一モデルで SOTA

⑤ テイクホームメッセージ
🧬 PLM × 幾何の融合
進化情報(ESM)と3D幾何(equivariant GNN)を統合した残基表現。
🎯 multitask が精度に効く
5クラス共有学習でデータ少クラスも底上げ、特化型を超える。
🔌 ブラインドドッキング
ligand headでポケット中心を自動推定、UniDockに直結。
🧬 汎用ツール
1モデルで多様な相互作用解析に対応。
識別情報
FieldValue
DOI10.1093/bioinformatics/btaf589
codejianlin-cheng/MPBind
backboneESM + equivariant GNN
classesprotein/NA/ligand/lipid/ion
本研究のインパクト
  • 結合部位予測を5クラス横断の単一ツールに統合
  • UniDockRunner のポケット自動検出に直結、ブラインドドッキング実現
  • 膜タンパク MD のイオン/脂質配置セットアップ補助に応用可
Wang, Cheng J. MPBind: a multitask protein binding site predictor using protein language models and equivariant GNNs. Bioinformatics 2025;41(11):btaf589. https://doi.org/10.1093/bioinformatics/btaf589