計算・AI創薬 Journal of Chemical Theory and Computation (ACS)
等変グラフネットワークでMartini 3脂質膜を原子レベルへ変換
- MemBackはSE(3)等変グラフニューラルネットワークで、Martini 3の粗視化配置からCHARMM36脂質の重原子座標を1回の推論で予測し、自動的に後処理する。
- 脂質ごとの再構成誤差は小さく、学習に含まれない脂質種や膜系でも同程度に保たれた。
- 学習から除外した赤血球膜モデルでは、拘束付き最小化だけで膜厚、脂質あたり面積、アシル鎖秩序が原子論的参照と一致し、相分離ドメインも維持された。非常に大きな系も粗視化の元構造と整合した。
ポイント アブストラクトに基づく見解
拘束付き最小化だけで膜厚・脂質あたり面積・鎖秩序が合うのは悪くない検証だが、これらはバルクの平均値で、局所的な詰まり方がずれていても満たせてしまう。タンパク質を埋め込んだ膜に使う前に、頭部の水和、脂質とタンパク質の接触、コレステロールの配向を確認したいし、コストと品質をCG2AT系のフラグメント方式と比べた結果も見たい。
原論文: Journal of Chemical Theory and Computation (ACS) ↗ MemBack: An Equivariant Graph Neural Network for Backmapping Lipid Membranes