msCNN-PLM-FAD：タンパク質言語表現と複数の分離可能ウィンドウ畳み込みニューラルネットワークを組み合わせてFAD結合部位を強化予測

科学分野:

• 生化学
• 計算生物学
• ゲノミクス

背景:

• FAD結合部位の分類は、フラビンタンパク質関連疾患の理解にとって重要です。
• 既存のFAD結合部位予測方法は限界があり、改善されたアプローチが必要です。

研究 の 目的:

• 電子伝達タンパク質におけるFAD結合部位を予測するための正確な計算モデルを開発すること。
• 事前トレーニングされたタンパク質言語モデル（PLM）と畳み込みニューラルネットワーク（CNN）を活用して予測を強化すること。

主な方法:

• ESM PLMからの埋め込みと組み合わせたスライディングウィンドウ特徴抽出技術を利用しました。
• CNNベースのウィンドウ走査とPLM埋め込みを統合したmsCNN-PLM-FADモデルを開発しました。
• 12,850サンプルのデータセットでモデルをトレーニングおよび検証しました。

主要な成果:

• msCNN-PLM-FADモデルは、AUC 0.9614、MCC 0.7491で高いパフォーマンスを達成しました。
• クラスバランスメトリクス、特異度（0.9836）、精度（0.9795）で優れたパフォーマンスを示し、感度（0.8704）を維持しました。
• 以前のFAD結合部位予測研究を上回りました。

結論:

• msCNN-PLM-FADモデルは、FAD結合部位予測の精度を大幅に向上させます。
• この進歩は、FAD欠乏関連疾患の薬物開発を加速することができます。
• 人間の健康に影響を与えることなく、細菌のFAD合成に対する標的療法の可能性。