比其部分的总和更大:将子结构构建为蛋白质编码模型

科学领域:

• 计算生物学是一种计算生物学.
• 结构生物信息学 结构生物信息学
• 机器学习用于蛋白质.

背景情况:

• 蛋白质表现的学习进展迅速,但当前的模型往往忽视了循环,进化保存的基结构的重要性.
• 这些子结构,如域和功能站点,对于生化活动和分子功能至关重要,但在蛋白质建模中未得到充分利用.
• 现有的蛋白质模型通常将蛋白质编码为每残留序列或全球嵌入,缺少关键的组织信息.

研究的目的:

• 开发一个环境,Magneton,用于创建意识到亚结构组织的蛋白质模型.
• 引入一个框架,将次结构信息纳入现有的蛋白质模型.
• 评估亚结构监督对蛋白质表示学习和功能预测的影响.

主要方法:

• 马格尼顿提供了大量的蛋白质数据集,在数千种类型中注释了数百万个子结构.
• 一个培训框架可以将子结构集成到蛋白质模型中.
• 子结构调整是一种监督微调方法,将子结构知识蒸到预训练模型中.
• 一个由13个任务组成的基准套件评估了残留物,亚结构和蛋白质水平的表示.

主要成果:

• 子结构调整显著提高了各种最先进的蛋白质模型中的功能预测准确性.
• 与子结构微调的模型产生更一致的表示,即使是在培训中看不到的子结构类型.
• 亚结构监督提供了对全球结构输入的补充信息,增强了代表性学习.

结论:

• 磁促进了基础结构感知蛋白质模型的开发.
• 亚结构调整是增强蛋白质功能预测和表示学习的有效方法.
• 纳入亚结构信息提供了与现有的蛋白质建模方法相补充的有价值的见解.