PRRSVに対する抗ウイルスペプチドのデータ駆動型発見：複数の機械学習モデルの使用

科学分野:

• 生化学および分子生物学
• 計算生物学およびバイオインフォマティクス
• ウイルス学

背景:

• タンパク質およびペプチドネットワーク解析は、生物学的プロセスを理解し、抗ウイルス性を予測するために不可欠である。
• 抗ウイルスペプチド（AVP）は広範囲な抗ウイルス能力を示すが、現在のデータベースには正確な注釈が不足している。
• 豚繁殖・呼吸障害症候群ウイルス（PRRSV）は重大な脅威であり、新規治療戦略が必要とされている。

研究 の 目的:

• 健康なブタ組織とPRRSV感染ブタ組織の差次的発現タンパク質およびペプチドをスクリーニングすること。
• 機械学習（ML）および深層学習（DL）計算手法を用いて新規AVPを予測すること。
• PRRSVに対する潜在的なAVP治療薬を同定すること。

主な方法:

• プロテオミクスを用いて、肺、小腸、大腸のサンプルのタンパク質およびペプチドを定量化した。
• アミノ酸組成、二次構造、親水性などの物理化学的特徴量を用いて、機械学習（ML）および深層学習（DL）モデルを開発した。
• 深層学習グラフニューラルネットワーク（GNN）を利用し、ランダムフォレスト（RF）およびサポートベクターマシン（SVM）を含む従来のMLモデルと比較評価した。

主要な成果:

• リジン、アルギニン、ロイシンがAVPの重要な予測特徴量として同定された。
• ランダムフォレスト（RF）モデルは、GNNおよびSVMモデル（0.94 ± 1）を上回る0.95 ± 2の最高の曲線下面積（AUC）を達成した。
• アミノ酸組成は、AVPを同定する上で重要な予測因子であることがわかった。

結論:

• プロテオミクスと計算モデリングを統合することで、PRRSVに対する抗ウイルス可能性を持つペプチドを効果的に同定できた。
• RFモデルは、AVP予測において優れた識別能力を示した。
• これらの発見は、PRRSV AVPを治療薬として実験的に検証し、開発するための貴重なリソースを提供する。