DeepSEA: 抗菌剤耐性タンパク質を注釈するためのアラインメントフリーな説明可能なアプローチ

科学分野:

• バイオ情報学
• コンピュータ生物学
• ゲノミクス

背景:

• 抗菌剤耐性 (AMR) は,HIVやマラリアなどの病気の影響を上回る,世界的な健康問題です.
• 現在のAMR監視は,高類似度 (> 95%) のゲノム比較に基づいているため,参照データベースが不完全であるため,重大な偽陰性率が生じています.

研究 の 目的:

• 抗菌剤耐性 (AMR) タンパク質の正確な識別と分類のためのディープラーニングアプローチを開発する.
• 抗生物質耐性監視における従来の配列調整方法の限界を克服する.

主な方法:

• 抗生物質抵抗性タンパク質と非抵抗性タンパク質を区別するために,コンボリューションニューラルネットワーク (CNN) を訓練した.
• CNNはタンパク質を 9つの異なる抵抗性クラスに分類するために設計されました
• タンパク質分類における特性の重要性を理解するために,モデルの内部状態を分析した.

主要な成果:

• CNNモデルは,テストされたすべてのタンパク質クラスで高いリコール値 (> 0. 9) を達成し,アラインメントベースの方法を上回った.
• このモデルは,抗菌剤の無活性化に関与する主要なタンパク質領域を成功裏に特定しました.
• オープンソースのバイオインフォマティクスツールであるDeepSEAは,AMRタンパク質を注釈するために開発されました.

結論:

• ディープラーニングは,特にCNNは,抗菌性タンパク質の監視のためのシーケンスアライナメントの優れた代替手段を提供します.
• 開発されたツールは,AMRのメカニズムに関する貴重な洞察と,耐性を追跡する支援を提供します.
• AMRタンパク質の正確な注釈は,効果的な世界的な健康戦略に不可欠です.