宿主-微生物共生に起因する海洋天然産物の誤アノテーションを修正するための構造ベースの深層学習フレームワーク

科学分野:

• 海洋天然産物化学
• バイオインフォマティクス
• 創薬

背景:

• 海洋天然産物（MNP）は創薬に不可欠ですが、宿主-微生物共生のためにデータベースで誤ってアノテーションされることがよくあります。
• 不正確なデータは、生合成研究と新規治療薬のAI主導の発見を妨げます。

研究 の 目的:

• MNPの起源を分類し、海洋データセットの誤アノテーションを修正するための構造ベースのワークフローを開発すること。
• AI創薬を改善するために天然産物データベースの精度を向上させること。

主な方法:

• CMNPDおよびNPAtlas化合物データを使用した2段階のデータクリーニング戦略を統合しました。
• 微生物で事前学習されたグラフニューラルネットワークを使用して、ラベルの不一致を検出し、構造的異常をフィルタリングしました。
• 化学構造と予測される微生物関連に基づいて化合物の起源を分類しました。

主要な成果:

• 起源分類で85.56%のバランス精度を達成しました。
• Animaliaラベルと矛盾する微生物起源を持つと予測された3996個の化合物を特定しました。
• 推定共生代謝物内の生物学的に一貫した構造パターンを検出しました。

結論:

• 開発されたフレームワークは、天然産物データベースのスケーラブルな品質管理方法を提供します。
• 精度の向上は、より信頼性の高い生合成遺伝子クラスター（BGC）の追跡と宿主選択をサポートします。
• 海洋天然産物のより効果的なAI主導の発見を促進します。