PharmacoForge: Pharmacophore Generation with Diffusion Models

GVP-GNN拡散モデルによるポケット条件付き3Dファーマコフォア生成 → Pharmit検索 → 購入可能ヒット取得（ChemRxiv 2025, Flynn & Koes）

🎯 タンパク質ポケットのみを入力として、化学的に安定・購入可能なヒット化合物を自動取得する完全自動パイプライン

① 背景と課題

構造ベース創薬における生成モデル（DiffSBDD, Pocket2Mol等）はリガンド原子を直接生成するため、歪みエネルギーが極めて高く（中央値 300 kcal/mol超）、生成分子の物理的妥当性が低い。従来のファーマコフォアモデリングは専門家の手動解析やリガンド情報を必要とし、新規ターゲットへの自動適用が困難だった。

既存生成モデル: 高い歪みエネルギー（Pocket2Mol 351.5 / DiffSBDD 295.7 kcal/mol）で化学的安定性に問題

ファーマコフォア設計は専門家依存 → HTVS規模の自動化が困難

→ ポケット構造のみを条件として3Dファーマコフォアを拡散モデルで直接生成し、購入可能化合物ライブラリから安定なヒットを取得

② 手法: GVP-GNN拡散モデル

E(3)同変Geometric Vector Perceptron GNNをデノイザーとする1000ステップDDPM。

タンパク質ポケット点群（残基3D座標）
↓ GVP-GNN エンコーダ（E(3)同変）
↓ 1000ステップ逆拡散
↓ ファーマコフォア特徴点群（座標＋6タイプ）
↓ Pharmit検索（CHEMBL / 購入可能DB）
↓ 安定・購入可能ヒット化合物

6タイプ: HBD / HBA / 疎水性 / 芳香環 / 正イオン / 負イオン

訓練データ: CrossDocked2020（Pharmitで抽出したファーマコフォアをGT使用）

③ 本手法の要点

ポケット→ファーマコフォア直接生成（リガンド不要）
生成物は「特徴点」で歪みエネルギーほぼゼロ（中央値 0.05 kcal/mol）
PharmitでCHEMBL・購入可能DBを即時検索 → 合成不要
De-strained Vina: -9.01 kcal/mol（全手法中最良）
DUD-E 102ターゲット平均 EF ≈ 33（size 8）

EF ≈ 33

DUD-E ファーマコフォアサイズ8 / ランダムの33倍富化

④ 主要結果 (a) 歪みエネルギー比較

中央値歪みエネルギー (kcal/mol) ― 低いほど物理的に安定

④ 主要結果 (b) De-strained Vina スコア比較

歪み補正後 Vina スコア (kcal/mol) ― 低いほど高結合親和性

④ 主要結果 (c) DUD-E EF vs Pharmacophore Size

DUD-E 102ターゲット平均 Enrichment Factor（ファーマコフォアサイズ別）

サイズ	EF (平均)	特徴
3	≈ 1.1	特異性低・ヒット数多
4	≈ 5	バランス型
5	≈ 12	中程度富化
6	≈ 20	高富化
7	≈ 28	高富化・ヒット減
8	≈ 33	最高富化（推奨）

サイズ大 → EF高・購入可能ヒット数減のトレードオフ

④ 主要結果 (d) ドッキングスコア総合比較

各手法の性能比較（CrossDocked2020テストセット）

指標	PharmacoForge	Pocket2Mol	DiffSBDD
Vina (orig.)	-9.38	-11.69	-10.06
Vina (destr.)	-9.01	-8.45	-4.94
CNN Score	4.98	3.68	4.06
歪みエネルギー	0.05	351.5	295.7

⑤ テイクホームメッセージ

💊 ファーマコフォアで架け橋
リガンド直接生成の歪み問題を回避し、安定・購入可能な化合物をDBから取得する新パラダイム。

🔬 物理的妥当性で圧勝
歪みエネルギー中央値0.05 vs DiffSBDD 295.7 vs Pocket2Mol 351.5 kcal/mol。De-strained Vinaで全手法中最良。

📈 DUD-E EF≈33
ファーマコフォアサイズ8でランダムの33倍富化。サイズと富化率のトレードオフが設計自由度を与える。

🛒 購入可能ヒット直取得
Pharmit経由でCHEMBL・Enamine等を直接検索。合成ステップなしで実験に供せる化合物を出力。

ケムインフォマティクスへの応用

適用先	ユースケース
lib/docking	PharmacophorePrefilterでUniDock前段ライブラリ削減
lib/molgen	MolgenYamlスコアラーにファーマコフォアマッチ度追加
lib/docking	Pharmit検索結果をHTVS入力として直接投入

PharmacoForge→Pharmit検索→UniDockの3段パイプラインで計算コストと化合物品質を同時最適化

本研究のインパクト

歪みゼロのファーマコフォアを生成 → 物理的に合理的なHTS化合物を直取得
ポケット情報のみ入力 → 新規ターゲットへ完全自動適用可能
Pharmit統合で購入可能化合物を即座に返す実用的パイプライン