タンパク質ファミリーにおける機能的関係を明らかにするための構造認識型生成AIフレームワーク

科学分野:

• 計算生物学
• 構造バイオインフォマティクス
• タンパク質科学

背景:

• タンパク質配列データベースは、実験的な構造決定よりも速く成長しており、多くの配列が注釈なしで残っている。
• タンパク質フォールドは配列よりも保存性が高く情報量が多い、強力な解析ツールを提供する。

研究 の 目的:

• タンパク質配列のマッピング、クラスタリング、設計のための生成的な構造認識型フレームワークを開発すること。
• 幾何学的エンコーディングと共進化制約を活用して、タンパク質解析を強化すること。

主な方法:

• タンパク質の局所構造の離散幾何学的表現のための3D相互作用（3Di）アルファベットを採用した。
• アミノ酸配列と3Di表現間の双方向翻訳のためにProstT5を利用した。
• 潜在的生成ランドスケープ内に3Diアラインメントを直接カップリング解析（DCA）および変分オートエンコーダー（VAE）と統合した。

主要な成果:

• 高感度な相同性検出と構造誘導型タンパク質配列生成を達成した。
• 共進化シグナルの検出を強化し、構造変異体を合理的にサンプリングした。
• 多様なタンパク質ファミリーにわたる接触予測、相同性推論、配列生成の改善を実証した。

結論:

• 統合フレームワークは、タンパク質構造空間の定量的かつ生成的なビューを提供する。
• 構造情報を取り入れることで、タンパク質の進化と設計の研究を前進させる。
• 低い配列同一性を持つ遠縁の相同性であっても、高感度な解析と設計を可能にする。