PL-PatchSurfer3:3D Zernike記述子による構造変動に頑健なSBVS
Shin, Kagaya, Jang & Kihara — Journal of Cheminformatics (2026) | DOI: 10.1186/s13321-026-01224-3
🎯 分子表面パッチを回転不変な3D Zernike記述子で表現し、apo・homology・AlphaFold構造でもEF1%低下わずか4%という頑健なバーチャルスクリーニングを実現
① 背景と課題

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。

apo・homology model・AlphaFold構造を使うと従来ドッキングの early enrichment が大きく崩れる
cryo-EM・構造予測の普及で「予測構造でのスクリーニング」需要が拡大しているのに頑健な手法が不足

→ 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

② PL-PatchSurfer3 手法概要
受容体ポケット表面 + リガンド50配座
↓ APBS で表面・静電生成
5特徴を割当:shape / 静電 / 疎水 /
水素結合 / visibility(新規)
↓ 3Å seed・半径5Åパッチに分割
各特徴を3DZD化(n=15→72次元)
↓ modified Auction で対応付け
Conformer Score → BWS/LCS でランク
2つの改良
①512本ray-castのvisibility(局所曲率)②水素結合相補性の再定義(donor/acceptor voxel計数)

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)。

③ 計算化学パイプライン連携
  • lib/docking: ZernikeSurfaceScorer 新規スコアラー。UniDockRunner と並ぶ表面ベースSBVSエンジン
  • lib/docking: visibility(ray-cast局所曲率)ユーティリティ。ProLIFと補完的なポケット記述
  • lib/molgen: 表面相補性スコアを MolgenYaml の制約・スコアラーに転用
  • lib/fep: 頑健なポーズ選別で MMGBSAEngine の前段フィルタを強化
実装ギャップ: 3DZD・visibility・Auction patch matching・APBS表面生成パイプラインがlib/dockingに未実装
④ 主な結果 (a) 構造変動下のEF1%保持率
96% PL-PS3 69% SurfDock 54% DOCK6 25% Vina 0% 100% apo構造でのEF1%保持率(holo比)

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。

④ 主な結果 (b) DUD holo EF1% 比較
14.35 PL-PS3 12.49 SurfDock 7.14 DOCK6 5.05 Vina 4.96 Inter. 0 16 DUD holo EF1%(25標的平均)

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)。

④ 主な結果 (c) 予測構造での頑健性

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。

EF1% 11.31
homology model(PL-PS3 BWS, −20.9%)vs Vina 1.86(−74.7%)
AF2 EF1% 11.23
AlphaFold2構造で全古典手法を上回り Interformer に有意差(p=0.018)
AF3 EF1% 11.66
AlphaFold3でもAUC 0.602。Vina/DOCK6 を全指標で凌駕

→ 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。

⑤ テイクホームメッセージ
  • 分子表面パッチ+3DZDの原子非依存表現が構造変動に頑健(apo保持率96%)
  • 新規 visibility 特徴(重み1.4で最大)と水素結合再定義で PL-PS2 から有意改善
  • 古典ドッキングに有意差、深層学習(SurfDock/Interformer)とも競合。1分子3.9秒
  • cofactor除外オプション・LIT-PCBA でも AUC/BEDROC 最高で広範な識別力
限界: 浅いグルーブ(AmpC)・PPI界面(TP53)では EF1%=0。閉じた明確なポケット向け。cofactorはAPBS非対応。