本記事では、Pearl（パール）という新たな基盤モデルについて紹介しています。このモデルは、タンパク質-リガンドの複合体における三次元構造の予測の課題に対処するために設計されました。従来のアプローチが実験データの不足や非効率的な構造に苦しむ中、Pearlは大規模な合成データの活用、3D回転対称性を尊重するための特別な拡散モジュール、および制御可能な推論機能を組み合わせています。Pearlは、タンパク質-リガンドの共同折り畳みの精度において最新の競合手法を上回り、特にRMSDが2Å未満の正確な構造生成でAlphaFold 3に対して14.5%の改善を示しました。また、実世界の困難な薬剤ターゲットに対しては、より厳しい基準であるRMSD < 1Åで3.6倍の改善を達成しました。このモデルの性能は、トレーニングに使用された合成データセットのサイズと直接関連していることも確認されています。