xBindは、大規模言語モデル(LLM)を活用した、分子間(タンパク質間、タンパク質-DNA間、タンパク質-RNA間)のタンパク質結合部位予測を行うための、対話型かつ自由に利用可能な、高度にカスタマイズ可能なウェブサーバーである。xBindは、ESM-2モデル由来のLLM埋め込み表現と、配列および構造から得られる特徴量を組み合わせ、対称性を考慮した深層グラフニューラルネットワークを用いて結合部位を予測する。入力データとしては、FASTA形式の単鎖タンパク質配列、またはPDB/mmCIF形式のモノマー(単量体)タンパク質構造を使用でき、出力として、入力タンパク質と事前に選択された相互作用パートナーとの間における、残基レベルの予測結合部位が提示される。カスタマイズ可能なxBindのウェブインターフェースは、以下の機能を提供する:(i) タンパク質間、タンパク質-DNA間、タンパク質-RNA間を含む相互作用パートナーの選択; (ii) 配列のみの入力に対する、AlphaFoldを用いたリアルタイムのタンパク質構造予測; (iii) 構造を考慮した結合部位アノテーションを調整するための、尤度閾値のオンデマンド選択; (iv) 対話的かつ解釈可能なウェブベースの解析結果表示(配列・構造の可視化、およびユーザーが閾値を調整可能な残基レベルの結合尤度プロットなど); (v) ウェブベースのチュートリアルやガイドを通じた、使用法や結果の解釈に関する詳細なヘルプ情報の提供。xBindは https://fusion.cs.vt.edu/xBind にて無償で利用できる。
help
https://fusion.cs.vt.edu/xBind/help.php
webサービス
https://fusion.cs.vt.edu/xBind/にアクセスする。
HPより: xBindは、異種分子間(クロスモレキュラー)のタンパク質結合部位を予測するための、誰でも利用可能なインタラクティブなWebサーバーです。本サーバーは、ESM-2由来のタンパク質言語モデル・エンベディングと、配列および構造から得られる特徴量を統合し、対称性を考慮したE(3)同変グラフニューラルネットワークを用いることで、タンパク質間、タンパク質-DNA間、およびタンパク質-RNA間の相互作用における残基レベルの結合部位を予測します。
xBindでは、入力したタンパク質の相手が何か、本当に結合するかを予測しているのではなく、そのタンパク質表面のどこが結合面になりやすいかを予測する。
1、ジョブ名、メールアドレスの入力
4~10文字使用でジョブ名を入力する。使用できる文字は、英数字、ハイフン(-)、アンダースコア(_)のみ。さらに任意でメールアドレスを入力すると、ジョブの完了時にメールが届く。

キュー内でのジョブの追跡を容易にするため、ジョブ名は短くユニークなものにする。
2、タンパク質構造または配列の入力
タンパク質構造を用いて結合部位を予測する場合は、Structure (PDB/mmCIF)モードを選択する。入力欄にタンパク質モデルを貼り付けるか、PDBまたはmmCIFファイルをアップロードする。単一のタンパク質chainを使用する。

画像はLoad exampleをクリックした状態。.pdb、.ent、.cif、.mmcif、または貼り付けられた座標テキストを受け付ける。下部にあるDownload exampleをクリックするとサンプルタンパク質構造をダウンロードできる。500残基を超える配列の場合は問い合わせする。
タンパク質配列のみを使用して結合部位を予測する場合は、Sequence onlyモードを選択する。この場合、結合部位の予測を行う前にxBindによって構造が予測される。タンパク質のアミノ酸配列を貼り付けるか、FASTAファイルをアップロードする。ウィンドウに配列を貼り付ける場合はアミノ酸配列の文字のみを貼り付け、ヘッダーや番号は含めない。その場でAlphaFold2を用いた構造予測がで実行される。

画像はLoad exampleをクリックした状態。*や配列途中のスペース、記号の混在など、標準外の文字は使用しない。AlphaFoldの出力など信頼できる構造データが既にある場合は、Structure(構造)モード使用が推奨。
3、相互作用パートナーの選択
予測したい結合部位の相互作用タイプを選択する。タンパク質-タンパク質、タンパク質-DNA、タンパク質-RNAの3種類の相互作用に対応している。「?」アイコンをクリックすると、予測に使用される手法や関連論文を確認できる。

4、ジョブのプライバシー設定の選択
ジョブのプライバシー設定を選択する。公開(Public)ジョブは、ウェブサーバーのジョブキューを訪れた誰でも閲覧できる。非公開(Private)ジョブも公開キューには表示されるが、ジョブを送信したユーザーのみ結果を開ける。

Run xBindをクリックしてジョブを送信する。
出力例
上部のバーには、ジョブの公開設定、ジョブ名などのジョブに関する基本情報が表示される。中央の左側のパネルにはタンパク質の3D構造が表示される。緑色の領域は結合部位と予測された残基を示している。下の配列パネルでは、対応する残基がハイライト表示される。

左下のボタンから、構造の回転ON/OFF切り替えや、構造の表示スタイル(表面、球、またはカートゥーン)の変更が可能できる。

Cartoonを選択
右側のパネルには残基ごとの結合確率のグラフが表示される。中央下部には閾値スライダー(0~1)ウィンドウがあり、右のグラフの緑色の破線と対応している。閾値を高くすると判定が厳しくなり、確信度の高い少数の残基が強調表示される。
=> 0.10

=> 0.71

結果はダウンロードできる。

PDB構造ファイル、確率ファイル、またはすべてをまとめたZIPファイルに対応
論文とマニュアルより
-
既知のタンパク質複合体を多数調べると、結合界面を構成する残基には、配列や立体構造に共通する特徴が認められる。xBindの学習では、既知の複合体から一方のタンパク質鎖を取り出し、相手分子と接触している残基を結合残基、接触していない残基を非結合残基としてラベル付けする。こうして学習した結合残基の配列・構造的特徴を未知の単量体タンパク質に適用し、各残基が結合界面を構成する確率を予測する。
-
xBindでは、単一のタンパク質鎖を、各アミノ酸残基をノード、立体的に近接する残基間をエッジとするグラフとして表現する。各残基には、ESM-2による配列埋め込み、進化的保存性、溶媒露出度、残基の向き、周囲の残基との三次元的な配置などの特徴量を与え、E(3)-equivariant graph neural networkで評価する。各残基を個別に分類するだけでなく、立体構造上で結合面に特徴的な残基群が形成されているかを考慮して予測する。
- ESM-2は多数のタンパク質配列を事前学習しており、入力配列の各アミノ酸残基について、周囲の配列文脈を反映した埋め込み表現を生成する。xBindは、このESM-2由来の配列特徴を、進化的保存性や立体構造由来の特徴と統合し、E(3)-equivariant graph neural networkによって各残基の結合確率を予測する(ESM-2だけで結合部位を予測するのではなく、GNNに入力する配列特徴量の生成にESM-2を利用している)。
- xBindは、2.50 GHz Intel Xeon Silver 4215(32コア)プロセッサ、192 GBのRAM、144 TBのストレージを備えたLinuxクラスター上で運用されている。
- ケーススタディでは、タンパク質–タンパク質、タンパク質–DNA、タンパク質–RNAの各相互作用について、それぞれ2例ずつ、計6種類の複合体を用いて予測性能を示している。たとえば、炭疽菌Protective Antigenとヒト受容体の複合体ではMCC 0.6840、F1-score 0.7143を達成し、DNA結合タンパク質Rv0078ではPR-AUC 0.9438、RNAポリメラーゼ複合体ではROC-AUC 0.9946を示した。RNA結合例でもスプライソソームやCas6bの結合残基を比較的高い精度で捉えており、xBindが異なる種類の分子相互作用に対して共通して適用できることを示している。
- 曖昧さを避けるため、可能な限り単一のタンパク質鎖を使用する。
- サーバーの効率を維持するため、500残基未満の配列を使う。500残基を超える配列の場合は、問い合わせが必要。
- 安定性を確保するため、主鎖(バックボーン)の原子が含まれている状態にし、著しく破損した構造は避ける。
- ファイルに複数のモデルやchainが含まれている場合は、前処理時のエラーを減らすために、送信前にクリーンアップする。
- Webフォームでは、一度に1つのジョブのみ処理可能。大規模な実行を行う場合は、一括処理についてチームまで相談する。
- 結合サイトのカットオフ値は、複数の閾値を比較検討する。閾値を多少変更しても「陽性」と判定され続ける残基を優先的に考慮し、既知のモチーフやドメイン、あるいは実験データなどの情報があれば、それらと照合する。境界線上のスコアについては慎重に扱い、可能であれば別の手法による直交的な証拠で検証を行うことが推奨される。
- 単一鎖で候補部位は予測できるが、特定の相手との結合可否や複合体構造を決定するには、別途ドッキングや複合体構造予測、または実験からの証明が必要。
引用
xBind: an integrated webserver for large language model-enabled cross-molecular protein binding site prediction
Xinyu Wang , Xingyue Feng , Sumit Tarafder , Debswapna Bhattacharya Author Notes
Nucleic Acids Research, Volume 54, Issue W1, 7 July 2026, Pages W337–W34
関連
