QNCIdock — Quantum Chemical Cation-π Docking

QNCIdock: Quantum Chemical cation-π Rescoring for Protein-Ligand Docking

Yin & Yang (HKU) — ChemRxiv 2026 — DOI: 10.26434/chemrxiv.15001781

🎯 カチオン性結合ポケットのドッキング精度を量子化学 ML で2倍に改善し、高スループット VS への統合を実現

① 背景と課題

ARG・LYS・HIS を含むカチオン性ポケットへのドッキングは、cation-π 相互作用の量子力学的性質を古典力場が再現できないため精度が著しく低い。

現状の物理ベース手法: cation-π 回収率 <60%、偽陽性率 >60%

AlphaFold3 など最新 DL 手法: <10%（最良でも <40%）

芳香族リガンドと帯電アミノ酸の相互作用は水素結合・π-π stacking に次ぐ第3の主要 NCI であるにも関わらず、既存手法が最も苦手とする相互作用タイプである。

② 提案手法 QNCIdock の構成

Phase 1: SMINA でポーズ 40 件生成
(exhaustiveness=50, energy_range=10 kcal/mol)
↓
Phase 2: 幾何フィルタ (d≤6Å, loff≤2.3Å) → XGBoost でCCSD(T)エネルギー予測
↓
Phase 3: エネルギー＋Vina scoreでリランキング XGBoost分類器

訓練データ: 10,454 ジオメトリを DLPNO-CCSD(T)/cc-pVTZ (ORCA) で計算。テスト MAE = 0.06 kcal/mol

③ 入力特徴量

記述子	定義
d	カチオン-環中心距離
loff	横方向ズレ (≤2.3Å)
Δz	垂直変位
φ (ARGのみ)	ARG平面と芳香環の二面角
loff/d, sin(φ), cos(φ), d², 1/d	非線形特徴量エンジニアリング

対象残基: ARG（全体の69%）、LYS（29%）、HIS（2%）

④ 主な結果 (a) 回収率比較

④ 主な結果 (b) データセット横断性能

Dataset	残基	IRR	FPR
DeepDockingDare	ARG	92.9%	16.1%
DeepDockingDare	LYS	93.8%	23.5%
PoseBusters	全体	86%	低
DockGen (転移性)	全体	高	低

~2×

既存 DL ベスト比の回収率向上倍率

④ 主な結果 (c) エネルギーモデル精度

④ 主な結果 (d) 適用範囲と計算コスト

芳香環を含むリガンド + ARG/LYS/HIS ポケットに自動適用
Vina/SMINA のポスト処理として統合（追加コスト≈0）
高スループット VS への組み込みが可能

適用前提: リガンドに芳香環あり＆ポケットにカチオン性残基あり

HIS-π は全体の 2% のみ — 閾値精度に注意

GitHub

github.com/QCLabHKU/QNCIDock

⑤ パイプライン統合への示唆 (lib/docking)

実装対象
UniDockRunner の出力ポーズに CationPiRescorer を後段に追加。幾何フィルタ → XGBoost エネルギー予測 → リランキングの 3 ステップを lib/docking/cation_pi/ モジュールとして実装

訓練データ構築
ORCA + OPI (acs.jctc.5c02141) を活用して DLPNO-CCSD(T)/cc-pVTZ データセットを構築。PDBbind2020 からカチオン-π 複合体を抽出し XGBoost を訓練

評価指標追加
ProLIFCalculator に IRR（cation-π 回収率）と FPR（偽陽性率）の計算機能を追加。RMSD だけでなく QM 精度の相互作用回収率でパイプライン品質を評価

残 gap
ARG/LYS/HIS 以外のポケットへの対応なし。anion-π は対象外。生成モデル (DiffDock) との組み合わせは未検証

⑥ 関連論文・データセット

QNCIdock コード: github.com/QCLabHKU/QNCIDock
DeepDockingDare: github.com/DSDD-UCPH/DeepDockingDare
DockGen: zenodo.org/records/14629652
PDBbind2020: pdbbind.org
ORCA QM 計算: orca-slater.com