SMARTDock: Target-Specific Scoring Functions

SMARTDock: Automated Target-Specific Scoring Functions from Bioactivity Data

Victoria-Muñoz, Sanchez-Cruz & Koch (Univ. Münster / UNAM) — ChemRxiv 2025, DOI: 10.26434/chemrxiv-2025-3zt8r

🎯 ChEMBL公開データ×GOLD PADIF×ML分類でターゲット特異的VSを自動化し、汎用スコア関数の限界を突破する

① 背景と課題

分子ドッキングスコアリング関数（CHEMPLP・Vina等）の汎用設計は、特定ターゲットへの高精度な活性化合物選択（スクリーニング能力）に限界がある。例えばCHEMPLPのNEF1%はわずか0.049（全100%中の上位1%に含まれる活性率）に過ぎない。ターゲット特異的スコアリング関数（TSSF）は精度を高められるが、構築には専門知識と多大な手作業を要する。

CHEMPLP: NEF1%=0.049、Vina: 0.105 — 活性化合物の選択が偶然に近い性能

既存TSSFは構築に多段階の手作業が必要で非専門家には困難

→ Docker化した完全自動ワークフローで、ChEMBL ID+PDB+SMILESだけでTSSFを自動構築

② SMARTDockワークフロー

① Ligand/Decoy準備
ChEMBL IDから活性化合物自動取得
Dark Chemical Matterからデコイ選択
↓
② GOLD Docking (200% efficiency)
↓
③ PADIF抽出・ラベリング
per-atom score → cosine類似度選別
↓
④ ML訓練・VS
RF / XGBoost / MLP + Consensus

完全自動（Dockerコンテナ）
PADIF-STD: 800次元固定長fp
ADASYN クラス不均衡補正

③ PADIFフィンガープリント

PADIF: GOLDのCHEMPLP相互作用項をタンパク質原子ごとに記録

相互作用項	用途
HBond / CHO / Metal	結合に重要な水素結合・金属
S_buried / S_nonpolar	疎水性ポケット情報
S_repulsive	衝突ペナルティ

PADIF-STD: 800次元

残基×相互作用項×原子タイプで集約→異なる構造間で比較可能

④ 主な結果 (a) NEF比較 (Luciferin 4-monooxygenase)

NEF10%もCHEMPLP 0.161→XGB CONS 0.648（4倍改善）

④ 主な結果 (b) Balanced Accuracy比較

コンセンサスモデルが一貫して高い BA を達成

④ 主な結果 (c) 詳細スコア表

モデル	BA	NEF1%	NEF10%
CHEMPLP	0.509	0.049	0.161
Vina	0.531	0.105	0.254
XGBoost CONS	0.675	0.386	0.648
RF CONS	0.654	0.381	0.654
MLP CONS	0.641	0.355	0.641
Scaffold CONS	0.676	0.365	0.676

新規スキャフォールド予測率: XGB CONS で30%超（訓練セット外スキャフォールド）

⑤ 限界点と実装提案

GOLD商業ライセンス必須（UniDock等オープンソースへの直接適用不可）

精度（precision）は低い — 多数の偽陽性が依然混入

新規ターゲットごとにdocking+訓練の再実行が必要

lib/dockingへの実装提案:

UniDockRunnerにPADIF-STD類似の per-atom score 出力機能追加
ChEMBL自動ダウンロード + RF/XGBoost分類をlib/dockingに統合
コンセンサスモデルをProLIFCalculatorのランキング補完に活用

GitHub: kochgroup/smartdock

DockerHubでも公開 (felpvic/smartdock)