LMProtein: タンパク質構造特性予測のためのタンパク質言語モデルベースフレームワーク

科学分野:

• 計算生物学
• 構造生物学における機械学習

背景:

• 機械学習と深層言語モデルは、タンパク質構造予測を進歩させています。
• 現在の方法論は、計算負荷が高く、相同配列を持たないタンパク質には失敗する可能性がある多重配列アラインメント（MSA）に依存することがよくあります。

研究 の 目的:

• 一次配列のみを使用してタンパク質の構造特性を予測するための、高速かつ正確なフレームワーク（LMProtein）を開発すること。
• MSA依存性方法論の限界を克服すること。

主な方法:

• LMProteinは、教師なし事前学習済み言語モデルESM-2と、畳み込みニューラルネットワーク（CNN）、長短期記憶（LSTM）、多層パーセプトロン（MLP）を組み合わせています。
• このフレームワークは、二次構造、二面角、蛍光、安定性ランドスケープを予測します。

主要な成果:

• LMProteinは、最近のMSAベースおよび単一配列ベースのモデルを上回る性能を発揮します。
• 8状態二次構造（SS8）予測で約74％の精度を達成しました。
• 二面角のPhiで19°、Psiで29°の平均絶対誤差を得ました。
• 蛍光で0.69、安定性で0.79のスピアマン相関係数を取得しました。

結論:

• LMProteinは、タンパク質の構造特性を予測するための計算効率が高く正確な代替手段を提供します。
• このフレームワークは、特に相同配列を持たないタンパク質において、タンパク質工学と創薬ターゲットの同定を加速する上で大きな可能性を秘めています。