タンパク質スクシニル化部位を、生成トランスフォーマーと深層カプセルネットワークによる二次元表現を用いて同定する

科学分野:

• 生化学
• 計算生物学
• プロテオミクス

背景:

• タンパク質スクシニル化は、細胞機能を調節する重要な翻訳後修飾です。
• スクシニル化部位の正確な同定は、タンパク質の役割を理解し、標的療法を開発するために不可欠です。

研究 の 目的:

• タンパク質スクシニル化部位の正確な予測のためのインテリジェント計算モデルiSucc-SnCNsを開発すること。
• スクシニル化部位の同定を改善することにより、タンパク質機能解析と創薬を強化すること。

主な方法:

• タンパク質配列エンコーディングにProtGPT2を利用しました。
• SMRおよびPSSM行列（SMR-HOG、SMR-DCT、PSSM-DWT）を使用して構造的特徴を抽出しました。
• 特徴選択のためにBTGA + KNNを使用し、予測のために自己正規化カプセルニューラルネットワーク（Sn-CapsNet）を採用しました。

主要な成果:

• iSucc-SnCNsで92.92%の精度と0.96のAUCを達成しました。
• 予測精度で従来のモデルを17%上回りました。
• 独立したデータセット（Ind-IおよびInd-II）で堅牢な一般化を示し、パフォーマンスが大幅に向上しました。

結論:

• iSucc-SnCNsは、大規模なスクシニル化部位予測のための堅牢で効率的なフレームワークを提供します。
• このモデルは、創薬の文脈におけるタンパク質機能解析を大幅に進歩させます。
• 翻訳後修飾研究における高度な計算モデルの可能性を強調しています。