大腸菌におけるタンパク質発現レベル予測のための事前学習済み言語モデルを用いた転移学習

科学分野:

• 分子生物学
• 計算生物学
• バイオインフォマティクス

背景:

• 遺伝子調節および翻訳因子の複雑さのため、大腸菌における組換えタンパク質発現の予測は複雑です。
• 現在の計算方法は、コドンの使用またはタンパク質配列のいずれかに焦点を当てることが多く、予測精度と範囲を制限しています。

研究 の 目的:

• 組換えタンパク質発現レベルの正確な予測のための高度な計算フレームワークを開発すること。
• 予測力を高めるために、転移学習を用いてコドン配列情報とタンパク質配列情報を統合すること。

主な方法:

• コドンレベル（CaLM）およびタンパク質レベル（ProtT5）の事前学習済み言語モデルを融合した転移学習フレームワークであるTLCP-EPEを導入しました。
• 低ランクアダプテーション（LoRA）を用いてモデルをファインチューニングし、BiGRU-MLP予測子を用いて埋め込みを統合しました。
• 2つの独立したテストデータセットでパフォーマンスを評価しました。

主要な成果:

• TLCP-EPEは最先端の方法と比較して優れた性能を示しました。
• コドンデータでAUC 0.835、タンパク質データでAUC 0.713を達成し、堅牢な予測精度を達成しました。
• 従来のコドンベースの指標および既存のディープラーニングベースラインを上回りました。

結論:

• コドン配列とタンパク質配列の二峰性モデリングは、発現レベル予測の精度と一般化可能性を大幅に向上させます。
• TLCP-EPEフレームワークは、合理的なタンパク質設計とバイオ製造のための強力なツールを提供します。
• このアプローチは、計算タンパク質工学の分野を進歩させます。