生体分子複合体のスコアリングは構造評価や創薬において中心的課題であるが、複合体そのものは姿勢・サイズ・分子構成が大きく異なる。そのため、ある相互作用タイプに合わせて調整されたスコア関数は別のタイプへはうまく移せないことが多い。また既存手法の多くは、タスク固有のラベルに強く依存することでこの問題をさらに増幅している。本研究では、複合体の共有された幾何認識表現を一度学習してから、軽量なタスク固有ヘッドにより下流のスコアリングへ適応させるユニバーサルな構造ベース枠組みOmniScoreを提案する。OmniScoreは、各構造をグラフ視点と配列視点の2つで扱い、その3次元幾何を符号化し、表現をコンパクトな潜在空間へ圧縮する。これにより、再構成モジュールと予測ヘッドが同じ潜在表現を再利用できるようにする。OmniScoreは、複合体・単量体・小分子を含む多様なデータセットでバックボーンを事前学習する。事前学習の目的は相補的であり、座標復元、破損した入力トークンの訂正、分子同一性の予測、構造レベルの物理量に基づく表現の基準化を含む。評価したベンチマークにおいて、OmniScoreは報告されたすべての指標で、最先端のベースラインに比べて抗体—抗原およびナノボディ—抗原の品質評価で最良の性能を示した。また凍結した残基埋め込みは、標準的な残基レベルベンチマークにおいて平均的な機能サイト精度71.8%を達成し、最先端のタンパク質トークン化手法と同等の性能であった。タンパク質—リガンドのスコアリングおよびランキングベンチマークでは、単一タスク専用に構築された手法と同程度の性能を示した。これらの結果は、幾何認識の事前学習が、評価した範囲において、界面および残基レベルの構造に依存するタスクのための再利用可能なスコアリング・バックボーンを提供し得ることを示唆している。
https://doi.org/10.64898/2026.08.28.747942