LLMは結合分子を“夢見る”のか：3D-Fitが測る創薬向け空間推論

導入

構造ベース創薬（SBDD）では、化学的にもっともらしい分子を作るだけでは不十分です。候補リガンドはタンパク質ポケットの三次元形状に収まり、狙った相互作用を形成し、物理的にも無理のない結合姿勢を取る必要があります。近年、この領域では高品質な3D分子生成を得意とする拡散モデルが有力な手法となってきました。一方で、大規模言語モデル（LLM）も分子設計に入り始めています。

論文「Do Language Models Dream of Binding Molecules?」は、汎用LLMが本当に三次元空間の制約を扱えるのかを検証します。そのために著者らは、複数の空間条件を同時に満たす3Dリガンド生成を評価するベンチマーク、3D-Fitを提案しました。

主要ポイント

• 現実のSBDDに近い設定：3D-Fitはタンパク質ポケットだけでなく、アンカー断片、ファーマコフォア点、必須のタンパク質—リガンド相互作用も条件に含めます。これは実際の創薬で使われる設計上の手掛かりに近いものです。
• トークン効率のよい表現：三次元座標やポケット情報をそのまま長く記述すると、LLMのコンテキストを大きく消費します。3D-Fitは空間条件をコンパクトなテキストで表し、生成結果を構造化形式で出力させます。
• 3D指示追従の兆候：汎用LLMは、座標に近いアンカーやファーマコフォア点のような明示的な局所制約をある程度満たせます。また、複数種類の条件を1つのプロンプト内で同時に扱おうとする能力も見られます。
• 物理的信頼性には課題：制約を部分的に満たすことと、良い結合分子を生成することは同じではありません。LLMの生成姿勢には立体衝突が見られ、分子内の妥当性やドッキングスコアでも専用拡散モデルに劣る傾向が示されています。

意義と影響

3D-Fitの意義は、LLMがすぐに拡散モデルを置き換えると主張する点にはありません。むしろ、LLMが化学的に意味のある三次元条件をどこまで理解し、実行できるのかを測るための具体的な枠組みを与えた点にあります。

これまで創薬におけるLLMの議論は、SMILES生成、性質予測、ポケット条件付き生成などに焦点が当たりがちでした。3D-Fitはそこから一歩進み、空間制約の実行能力を問います。結果を見ると、LLMは異なる種類の設計意図をまとめて解釈する柔軟性を持っています。断片、座標、ファーマコフォア、相互作用条件を同時に扱える点は、言語モデルらしい強みです。

しかし、分子結合は言語的な整合性だけでは決まりません。幾何学、化学結合の妥当性、エネルギー的安定性が同時に必要です。今後は、LLMを複雑な設計意図の解釈役として使い、3D生成や物理最適化は専用モデルに担わせるハイブリッド型の方向が有望に見えます。

出典：Hugging Face Daily Papers