protein-design-workflow

タンパク質設計ワークフローガイド

標準的な結合タンパク質設計パイプライン

概要

Target Preparation --> Backbone Generation --> Sequence Design
         |                     |                     |
         v                     v                     v
    (pdb skill)          (rfdiffusion)         (proteinmpnn)
                               |                     |
                               v                     v
                        Structure Validation --> Filtering
                               |                     |
                               v                     v
                         (alphafold/chai)      (protein-qc)

フェーズ 1：標的の準備

1.1 標的構造の取得

# Download from PDB
curl -o target.pdb "https://files.rcsb.org/download/XXXX.pdb"

1.2 クリーンアップと準備

# Extract target chain
# Remove waters, ligands if needed
# Trim to binding region + 10A buffer

1.3 ホットスポットの選択

• 表面に露出した残基を 3～6 個選択します
• 電荷を持つ残基または芳香族残基（K、R、E、D、W、Y、F）を優先します
• 表面アクセス可能性を確認します
• 残基番号を検証します

出力：target_prepared.pdb、ホットスポットリスト

フェーズ 2：バックボーンの生成

オプション A：RFdiffusion（多様な探索）

# RFdiffusion runs from the official repo, not biomodals
python run_inference.py \
  inference.input_pdb=target_prepared.pdb \
  contigmap.contigs=[A1-150/0 70-100] \
  ppi.hotspot_res=[A45,A67,A89] \
  inference.num_designs=500

オプション B：BindCraft（エンドツーエンド）

modal run modal_bindcraft.py \
  --input-pdb target_prepared.pdb \
  --target-hotspot-residues "45,67,89" \
  --number-of-final-designs 100

出力：100～500 個のバックボーン PDB

フェーズ 3：配列設計

RFdiffusion のバックボーンの場合

for backbone in backbones/*.pdb; do
  modal run modal_ligandmpnn.py \
    --input-pdb "$backbone" \
    --params-str "--number_of_batches 8 --temperature 0.1"
done

出力：バックボーンあたり 8 配列（合計 800～4000 配列）

フェーズ 4：構造検証

複合体の予測

# Prepare FASTA with binder + target
# binder:target format for multimer

modal run modal_alphafold.py \
  --input-fasta all_sequences.fasta \
  --out-dir predictions/

出力：pLDDT、ipTM、PAE を含む AF2 予測

フェーズ 5：フィルタリングと選択

標準しきい値の適用

import pandas as pd

# Load metrics
designs = pd.read_csv('all_metrics.csv')

# Filter
filtered = designs[
    (designs['pLDDT'] > 0.85) &
    (designs['ipTM'] > 0.50) &
    (designs['PAE_interface'] < 10) &
    (designs['scRMSD'] < 2.0) &
    (designs['esm2_pll'] > 0.0)
]

# Rank by composite score
filtered['score'] = (
    0.3 * filtered['pLDDT'] +
    0.3 * filtered['ipTM'] +
    0.2 * (1 - filtered['PAE_interface'] / 20) +
    0.2 * filtered['esm2_pll']
)

top_designs = filtered.nlargest(50, 'score')

出力：フィルタリング済み候補 50～200 個

リソース計画

計算要件

ステージ	GPU	所要時間（100 個の設計）
RFdiffusion	A10G	30 分
ProteinMPNN	T4	15 分
Chai / AlphaFold	A100	4～8 時間
フィルタリング	CPU	15 分

合計所要時間

• 小規模キャンペーン（100 個の設計）：8～12 時間
• 中規模キャンペーン（500 個の設計）：24～48 時間
• 大規模キャンペーン（1000 個以上の設計）：2～5 日

品質チェックポイント

バックボーン生成後

• 多様なバックボーンを目視で確認します
• 二次構造が存在します
• 標的との衝突がありません

配列設計後

• ほとんどの配列で ESM2 PLL > 0.0
• 意図的な場合を除き、不要なシステインがありません
• 配列に適度な多様性があります

検証後

• pLDDT > 0.85
• ipTM > 0.50
• PAE_interface < 10
• 自己整合性 RMSD < 2.0 A

最終選択

• 配列に多様性があります（必要に応じてクラスタリングします）
• 製造可能です（問題のあるモチーフがありません）
• 分子量が適切です

よくある問題

問題	解決策
ipTM が低い	ホットスポットを確認し、設計数を増やします
多様性が低い	温度を上げ、バックボーンを増やします
scRMSD が高い	バックボーンが特殊である可能性があります
pLDDT が低い	設計の品質を確認します

高度なワークフロー

複数ツールの組み合わせ

1. RFdiffusion で初期バックボーンを生成します
2. Mosaic で勾配ベースのリファインメントを行います
3. ProteinMPNN で多様化します
4. AF2 で最終検証を行います

反復的なリファインメント

1. 初期キャンペーンを実行します
2. 失敗を分析します
3. ホットスポットやパラメーターを調整します
4. 得られた知見をもとに繰り返します