BiToxNet：多峰特徴を統合した深層学習フレームワークによる神経毒性ペプチドおよびタンパク質の正確な同定

科学分野:

• 計算生物学
• バイオインフォマティクス
• 創薬における機械学習

背景:

• ペプチドおよびタンパク質の神経毒性の正確な予測は、薬剤安全性および開発にとって非常に重要です。
• 実験的方法は、大規模スクリーニングには費用と時間がかかります。
• 既存の計算的方法は、限定的な特徴エンジニアリングと融合戦略のために精度が不足しています。

研究 の 目的:

• 神経毒性を予測するための堅牢な深層学習フレームワークを開発すること。
• 計算による神経毒性予測の精度と一般化能力を向上させること。
• 神経毒素スクリーニングおよびタンパク質薬剤安全性評価のための貴重なツールを提供すること。

主な方法:

• タンパク質大規模言語モデルからの進化論的埋め込みと10個の手作り生化学的記述子を統合した深層学習フレームワークであるBiToxNetを開発しました。
• 双線形注意ネットワーク（BAN）を採用して、クロスモーダル相互作用と残基レベルの依存関係をモデル化しました。
• さまざまな配列長のタンパク質、ペプチド、および結合データセットでBiToxNetを評価しました。

主要な成果:

• BiToxNetは高い精度を達成しました：タンパク質92.3％、ペプチド96.0％、および結合92.7％。
• このフレームワークは、既存の最先端の方法を一貫して上回りました。
• アブレーション研究と可視化分析により、統合された特徴とBANの重要性が確認され、堅牢な一般化能力が実証されました。

結論:

• BiToxNetは、神経毒性ペプチドおよびタンパク質を同定するための強力で一般化可能な計算フレームワークを提供します。
• 双線形注意による進化論的および生化学的情報の統合は、新しいモデリング戦略を提供します。
• BiToxNetは、神経毒素スクリーニングおよびタンパク質治療薬安全性評価のための貴重なツールとして機能します。