SGEDiff：構造に基づく3D分子生成のためのサブグラフ強化拡散モデル

構造に基づく分子生成は、ターゲットタンパク質の三次元構造を補完する化合物の設計を可能にするコンピュータ支援薬物発見における新たなアプローチです。しかし、ほとんどの拡散ベースの3D分子生成モデルは、タンパク質-リガンド表現の不均衡や事前定義された結合ポケットへの依存といったいくつかの制限に直面しています。これらの制限に対処するために、私たちは3D分子生成のための新しいサブグラフ強化生成フレームワークであるSGEDiffを提案します。私たちのモデルは、サブグラフとグローバルグラフの表現を階層的に統合し、局所的な結合パターンとタンパク質ポケットの重要な構造的特徴の両方を捉えます。さらに、統合型ポケット予測モジュールは、未見のタンパク質内の結合領域を特定し、事前定義されたポケット座標への依存を排除します。実験結果は、SGEDiffが多様なターゲットに対して高親和性分子を生成する際にベースラインの拡散ベース手法を上回ることを示しています。さらに、新規薬物設計における実用的な応用は、新規タンパク質ターゲットの化合物生成において成功率の向上を示し、構造に基づく薬物発見を進展させる可能性を強調しています。