CoMoFlowは、分子動力学（MD）で得られるプロテインの構造分布と連動した変動を、既知の安定構造から学習した集合モードで再構成できる新しいアルゴリズムです。この手法は、ATLASセットとデノボプロテインのベンチマークで、従来の強力なフロー方式と比較して、DCCM相関とPCAのWasserstein‑2距離が向上し、RMSF予測精度も高めました。

CoMoFlowは、安定構造からプロテイン特有の集合モードを構築し、MDサンプルをこれらのモードに投影して係数分布を学習します。生成時には、サンプリングした係数ベクトルが集合変位場を定義し、SE(3)フロー生成器を特徴条件付けと位置再中心化で誘導します。これにより、生成された構造は実際のMD分布に近く、同時に特定の構造変化を直接制御することも可能です。

ベンチマーク結果（ATLASおよびデノボ）は、RMSFの中央値がそれぞれ1.48 Åと0.91 Åで、CoMoFlowはDCCM相関が他の手法を上回り、PCA W2距離が減少し、RMSFのMAEも低下しています。

ただし、CoMoFlowの学習データは730残基以下のプロテインに限定されており、より長い鎖はトレーニングや評価に含まれていません。

この研究は、プロテイン固有の集合モードとその統計分布を学習することで、生成モデルの忠実度を高めると同時に、目標とする構造変化を制御できる枠組みを提供します。