FABind: 빠르고 정확한 단백질-리간드 결합 예측

단백질과 리간드 간의 상호작용을 모델링하고 그 결합 구조를 정확히 예측하는 것은 약물 발굴에서 중요한 과제이지만 여전히 어려운 문제입니다. 최근 딥러닝의 발전은 이 도전에 대응할 가능성을 보여주고 있으며, 샘플링 기반 방법과 회귀 기반 방법이 두 가지 주요 접근 방식으로 부각되고 있습니다. 그러나 이러한 방법들은 눈에 띄는 제한점을 가지고 있습니다. 샘플링 기반 방법은 여러 후보 구조를 생성하여 선택해야 하는 필요성 때문에 효율성이 낮을 수 있습니다. 반면에 회귀 기반 방법은 빠른 예측을 제공하지만 정확도가 감소할 수 있다는 단점이 있습니다. 또한 단백질 크기의 차이는 적절한 결합 포켓을 선택하기 위한 외부 모듈이 필요한 경우가 많아, 이로 인해 효율성이 더욱 저하될 수 있습니다.본 연구에서는 단백질-리간드 결합을 정확하고 빠르게 수행하기 위해 포켓 예측과 도킹을 결합한 엔드투엔드 모델인 $\mathbf{FABind}$를 제안합니다. $\mathbf{FABind}$는 독특한 리간드 정보를 활용한 포켓 예측 모듈을 포함하며, 이 모듈은 도킹 자세 추정에도 활용됩니다. 모델은 예측된 포켓을 점진적으로 통합하여 단백질-리간드 결합을 최적화함으로써 학습과 추론 사이의 불일치를 줄이는 역할을 합니다. 벤치마크 데이터셋에 대한 광범위한 실험 결과, 제안된 $\mathbf{FABind}$는 기존 방법들에 비해 효과성과 효율성 면에서 강점을 보였습니다. 본 연구의 코드는 https://github.com/QizhiPei/FABind에서 확인할 수 있습니다.