SBVS(構造ベースバーチャルスクリーニング)の主流であるドッキングは、原子間距離に依存するスコアリング関数を使うため、受容体のわずかな配座変化に極めて敏感である。実際 holo→apo で AutoDock Vina の EF1% は 10.0→3.5、AlphaFold予測構造では holo の約40%まで低下することが報告されている。
→ 原子座標ではなく分子表面パッチの相補性を3D Zernike記述子で評価し、構造変動に寛容なSBVSを構築
回転不変な3DZDなので構造アライメント不要。1分子1CPU3.9秒(Vina 101.6秒, DOCK6 58.4秒)。
apo構造で PL-PS3 は EF1% を 96%維持(13.71→13.16)。AutoDock Vina は74.7%減(7.34→1.86)。表面表現が構造変動に頑健。
holo構造でも EF1%=14.35 で全手法最高。深層学習 SurfDock(12.49)・Interformer(4.96) を上回り、Vina に有意差(p=0.002)。
homology model / AlphaFold2 / AlphaFold3 構造でも PL-PS3 は古典ドッキングを全指標で上回った。
→ 予測構造のRMSDが2.5Åでも EF1% 低下はほぼ0。受容体実験構造が無くてもスクリーニング可能。