ProjFusNet: プロジェクション融合タンパク質言語モデルと構造的特徴を用いたペプチド前駆体予測のための深層ニューラルネットワーク

科学分野:

• 生化学
• バイオインフォマティクス
• 計算生物学

背景:

• ペプチド前駆体は、神経調節、免疫防御、創薬に不可欠です。
• ペプチド前駆体の正確な同定は、生物学的メカニズムの理解と新しい治療法の作成に不可欠です。
• 現在の予測方法はペプチド配列の複雑性に対処するのが難しく、性能が制限されています。

研究 の 目的:

• ペプチド前駆体同定を改善するための深層学習フレームワークを開発すること。
• 相補的なシーケンスと構造情報を活用して予測精度を向上させること。
• 単一の特徴タイプに依存する既存の方法の限界を克服すること。

主な方法:

• ESM-2シーケンス表現と構造的特徴を統合した深層学習フレームワークであるProjFusNetを導入しました。
• 多様なデータモダリティを組み合わせるために、射影マルチモーダル融合戦略を採用しました。
• 複雑なシーケンス構造の相互作用をモデル化するために、双方向LSTMを使用しました。

主要な成果:

• ProjFusNetは、ペプチド前駆体予測において優れた性能を示しました。
• モデルは、ACC、SN、AUC、SP、MCCなどの主要な指標で大幅な改善を示しました。
• 単一特徴モデルと比較して、ProjFusNetはマルチモーダルデータを統合することでより高い精度を達成しました。

結論:

• ProjFusNetは、ペプチド前駆体同定のための強力な新しいアプローチを提供します。
• 進化的シーケンスと構造データの統合は、予測パフォーマンスを向上させます。
• このフレームワークは、神経調節研究と治療法の開発を進歩させる可能性を秘めています。