同義コドンマスキングによるコドン言語モデリングの進歩

科学分野:

• バイオインフォマティクス; 計算生物学; ゲノミクス

背景:

• 現在のコドン言語モデルは、コドン使用とアミノ酸の意味論を混同することが多く、DNAレベルの生物学的洞察を妨げています。既存のモデルは、意味論的な情報が混同されているため、ヌクレオチド固有のパターンを捉えるのに苦労しています。

研究 の 目的:

• コドンレベルとタンパク質レベルの意味論を分離するように設計された新しいコドン言語モデルであるSynCodonLMを導入すること。生物学的に根拠のある制約を課すことにより、ヌクレオチド固有のパターンの学習を可能にすること。

主な方法:

• マスクされたコドンがタンパク質配列によってガイドされる同義オプションからのみ予測されることを保証する制約を持つコドン言語モデルであるSynCodonLMを開発しました。ソフトマックスの前に非同義コドンを予測空間から除外するマスキング戦略を実装しました。アミノ酸の同一性ではなく、ヌクレオチドの特性によってコドンをグループ化するようにクラスタリングを修正しました。

主要な成果:

• SynCodonLMは、コドンとタンパク質の意味論をうまく分離し、ヌクレオチド固有のパターンを学習します。このモデルは、クラスタリングアプローチを通じて、DNAレベルの特性と一致する生物学的構造を明らかにします。SynCodonLMは、mRNAおよびタンパク質発現を含む、DNAレベルのフィーチャーに敏感な7つのベンチマークのうち6つで既存のモデルを上回りました。

結論:

• SynCodonLMは、DNAシーケンスのドメイン固有の表現学習における進歩を表します。このモデルは、合成生物学におけるシーケンス設計や生物学的プロセスのより深い探求のための新しい可能性を提供します。このアプローチは、生物学的制約を尊重することにより、DNAシーケンスをモデル化する能力を強化します。