ProtLoc-GRPO：グラフベースモデルと強化学習を用いた細胞株特異的細胞内局在予測

科学分野:

• バイオインフォマティクス
• 計算生物学
• 分子細胞生物学

背景:

• 細胞内局在予測は、タンパク質機能と細胞ダイナミクスを理解するために不可欠です。
• 細胞株特異的な局在は、組織および細胞タイプの影響を受けるため、調整された予測方法が必要です。
• 既存のタンパク質間相互作用（PPI）ネットワークにはエラーが含まれていることが多く、細胞内局在予測の精度を制限します。

研究 の 目的:

• タンパク質間相互作用（PPI）ネットワークを使用して、細胞株特異的な細胞内局在を予測するための強化された方法を開発すること。
• 新しい強化学習アプローチを通じてPPIネットワークの構造を最適化することにより、予測精度を向上させること。

主な方法:

• グループ相対ポリシー最適化（GRPO）を利用した強化学習アプローチであるProtLoc-GRPOを提案しました。
• PPIネットワーク構造を最適化するために、情報量の多いPPIエッジをランク付けおよび保持して、マクロF1スコアを最大化しました。
• さまざまなエッジプルーニング率での方法の堅牢性を評価し、従来のプルーニング戦略と比較しました。

主要な成果:

• ベースライン手法と比較して、細胞株特異的な細胞内局在予測におけるマクロF1スコアが7%向上しました。
• エッジプルーニング率が異なる場合でも、既存のアプローチに対する一貫したパフォーマンス向上が実証されました。
• 細胞株特異的なタンパク質細胞内局在予測のための最初の配列ベースの研究が確立されました。

結論:

• ProtLoc-GRPOは、PPIネットワーク構造を洗練することにより、細胞内局在予測精度を効果的に向上させます。
• GRPOフレームワークは、グラフベースのバイオインフォマティクスタスクへの応用が期待されます。
• この研究は、動的で細胞株特異的なタンパク質局在を予測するための堅牢な配列ベースの方法を提供することにより、この分野を進歩させます。