Search

DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking

Type
Application
Published year
2023
Journal / Conference
ICLR
Keyword
Diffusion
Docking
Status
Done
Language
🇺🇸
🇰🇷
Blog upload
Yes
Date
2023/02/08
1 more property
DiffDock (english)
Keynote file
DiffDock.key
131227.4KB

Remarks

•
본 논문은 molecular docking을 generative problem으로 간주한 첫 연구이자, 굉장히 흥미로운 결과들을 보여주었고, 성능 향상을 달성했다.
•
Diffusion과 molecular docking에 관심이 있다면 꼭 한 번 읽어봐야 할 논문이다.
•
가능하다면 저자들이 본 논문에 대해 설명한 youtube 영상도 보면 이해에 도움이 된다.

Summary

•
Molecular docking을 regression이 아닌, generative problem으로 formulation
◦
Target protein 구조 y\mathbf{y}를 조건으로 하여, ligand의 위치와 구조x\mathbf{x}의 distribution을 학습 → p(x∣y)p(\mathbf{x} | \mathbf{y})
•
Generation에 diffusion process 사용
•
두 개의 구분된 모델 사용
◦
Score model: s(x,y,t)s(\mathbf{x}, \mathbf{y}, t)
Ligand, protein, timestep을 input으로 하여 score를 prediction하는 model
◦
Confidence model: d(x,y)d(\mathbf{x}, \mathbf{y})
Ligand와 protein의 구조를 바탕으로 ground truth ligand pose 대비 RMSD 기준 2Å 이하의 pose일 확률 return
•
Diffusion on Product space P\mathbb{P}
◦
Degree of freedom을 3n3n에서 (m+6)(m+6)로 축소하여 diffusion 수행

Preliminaries

Molecular Docking

•
Definition:
Target protein에 결합한 ligand의 position, orientation, conformation을 예측하는 것을 의미
•
Two types of tasks 크게 두 종류의 task로 구분함
◦
Known-pocket docking
▪
Protein의 binding pocket의 위치 정보를 주고 예측
◦
Blind docking
▪
Binding pocket에 대한 정보 없이 예측하는 더 일반적이고 어려운 상황

Previous works: Search-based / Regression-based

•
Search based docking methods
◦
Traditional methods
◦
Parameterize 된 physics 기반의 scoring function과 search algorithm으로 구성
◦
Scoring function
▪
Input: 3D 구조
▪
Output: 특정 pose에 대한 quality나 likelihood 예측
◦
Search algorithm
▪
Ligand pose (position, orientation, torsion angles)를 확률론적으로 랜덤하게 (stochastically) 바꿈
▪
Goal: scoring function의 global optimum을 찾는 것
◦
Scoring function을 parameterize하기 위해 ML이 적용되고 있지만, search space 가 너무 커서 계산량이 매우 많다.
◦
예시
•
Regression based methods
◦
최신 딥러닝 기반의 방법들이 ground truth position에 대해 regression으로 formulation
◦
Search based method 대비
▪
속도는 상당히 빨라짐.
▪
정확도에 있어서는 부족하거나, 비슷한 정도.
◦
예시
▪
•
Blind docking을 regression으로 접근하여 binding pocket의 keypoint를 직접 예측함.
▪
•
Protein의 각 가능한 pocket에 대해 docking pose를 예측하고 따로 ranking 하여 평가하여 성능 향상.
▪
•
Ligand 내부의 atom끼리의 상호작용, protein residue와의 상호작용을 모두 고려하여 ligand atom embedding을 만들고, iterative하게 좌표를 업데이트하여 binding pose 예측 수행.

Docking objective

•
Standard evaluation metric:
◦
Lϵ=∑x,yIRMSD(y,y^(x))<ϵ\mathcal{L}_\epsilon = \sum_{x, y} I_{\text{RMSD}(y, \hat{y}(x))<\epsilon}: RMSD<ϵ\text{RMSD} < \epsilon 으로 예측한 것들의 비율 → 미분 불가능함.
◦
대신, argminy^lim⁡ϵ→0Lϵ\text{argmin}_{\hat{y}} \lim_{\epsilon \rightarrow 0} \mathcal{L}_\epsilon 을 objective function 으로 사용함.
•
Regression은 unimodal일 경우에만 이 objective function과 일맥 상통함.
•
그러나 Docking은 상당한 aleatoric (irreducible) & epistemic (reducible) uncertainty 지님.
◦
Regression 방법들은 ∑∥y−y^∥22\sum \|y - \hat{y}\|^2_2 를 최소화하는 것이 목적이고, 이는 여러 mode들의 weighted mean을 예측하도록 학습할 것.
◦
반면 generative model은 대부분의 mode에 대해 generation 가능.
•
실제 결과를 살펴보면, EquiBind 같은 regression model은 여러 mode들의 중간에 위치하도록 예측함.
•
반면 generative model은 여러 mode들에 대해 conformer를 위치시킬 수 있음.
•
DiffDock이 steric clash가 덜하다.

Diffusion Model

DiffDock Overview

•
두 단계 model 사용
◦
Score model: Translation (평행 이동), rotation (회전), torsion (비틀림)에 대해 reverse diffusion 수행
◦
Confidence model: 각 ligand pose가 ground truth 와 비교 시 RMSD<2A˚\text{RMSD} < 2\text{Å} 차이로 잘 위치했는지 binary prediction.

Score model

•
Ligand pose: R3n\mathbb{R}^{3n} (nn: number of atoms)
•
하지만 molecular docking은 이보다 더 적은 degree of freedom으로 수행할 수 있다.
◦
축소된 degree of freedom: (m+6)(m+6)
▪
Local structure: RDKit conformer generation (EmbedMolecule(mol)) 이후 어느 정도 고정되어 있다고 가정할 수 있음.
•
Bond length, angle, small rings
▪
Position (translation): R3\mathbb{R}^3 - 3D vector
▪
Orientation (rotation): SO(3)SO(3) - three Euler angle vector
▪
Torsion angles: Tm\mathbb{T}^m (mm: number of rotatable bonds)
▪
Product space P:R3×SO(3)×Tm\mathbb{P}: \mathbb{R}^3 \times SO(3) \times \mathbb{T}^m 에서 diffusion 수행 가능
•
Seed conformation c\mathbf{c}가 주어진 상황이라면, mapping A(⋅,c):P→McA(\cdot, \mathbf{c}): \mathbb{P} \rightarrow \mathcal{M}_\mathbf{c}는 bijection 이다.

Confidence Model

•
Generative model은 여러 pose를 sampling 할 수 있지만, 대부분 연구자들은 1개나 몇 개 정도의 sample만 보기를 원한다.
•
따라서 confidence prediction은 downstream task에 있어 유용하게 사용될 수 있다.
•
Confidence model d(x,y)d(\mathbf{x}, \mathbf{y})
◦
x\mathbf{x}: Ligand의 pose
◦
y\mathbf{y}: Target protein의 구조
•
Sample들은 confidence score로 순위가 매겨지고, 가장 좋은 순위의 confidence score가 사용된다.
•
Training & Inference
◦
학습된 diffusion score model에 대해 후보 pose들을 sampling 하고, binary label (각 pose가 ground truth pose 대비 RMSD<2A˚\text{RMSD} < 2\text{Å}인지 아닌지)을 만든다.
◦
이후 confidence model은 binary label을 맞추도록 cross entropy loss로 학습된다.
◦
Inference 시에는 diffusion score model이 NN개의 pose를 생성하고, confidence model에 그 pose가 전달되어 confidence score 기반으로 순위를 매겨 사용한다.

DiffDock Workflow

DiffDock Results

Personal opinions

•
Molecular docking을 generation problem으로 formulation 했다는 점이 아주 인상 깊다.
•
Conformer generation의 condition으로 protein structure를 사용했다.
•
하지만 two step approach라는 점, 그리고 confidence model의 input이 predicted ligand pose x^\hat{\mathbf{x}}와 protein structure y\mathbf{y} 인데, 결국 예측하는 것은 “predicted ligand pose x^\hat{\mathbf{x}}와 ground truth ligand pose x\mathbf{x} 간의 차이가 2Å 이하인지” 라서 약간의 괴리감이 있는 것 같다.
•
아직 성능 개선의 room 이 상당히 남아있지만, GPU workload가 꽤 많이 들어서 우리 연구실에서 수행하기에는 어려울 수도 있을 것 같다는 생각이 든다.
•
Docking 이지만 physics 기반의 inductive bias가 들어가 있지는 않은 것 같아서 얼마나 generalization 하기에 적합한지 의문이다.

Reference

•
Blog
Generative Modeling by Estimating Gradients of the Data Distribution | Yang Song
This blog post focuses on a promising new direction for generative modeling. We can learn score functions (gradients of log probability density functions) on a large number of noise-perturbed data distributions, then generate samples with Langevin-type sampling. The resulting generative models, often called <em>score-based generative models</em>, has several important advantages over existing model families: GAN-level sample quality without adversarial training, flexible model architectures, exact log-likelihood computation, and inverse problem solving without re-training models. In this blog post, we will show you in more detail the intuition, basic concepts, and potential applications of score-based generative models.
https://yang-song.net/blog/2021/score/
What are Diffusion Models?
[Updated on 2021-09-19: Highly recommend this blog post on score-based generative modeling by Yang Song (author of several key papers in the references)]. [Updated on 2022-08-27: Added classifier-free guidance, GLIDE, unCLIP and Imagen. [Updated on 2022-08-31: Added latent diffusion model. So far, I’ve written about three types of generative models, GAN, VAE, and Flow-based models. They have shown great success in generating high-quality samples, but each has some limitations of its own.
https://lilianweng.github.io/posts/2021-07-11-diffusion-models/