JIZHENG LI CHANGXIN FAN Hoi Ying LAU TIANYUE WU

要約

金属結合アミノ酸残基の正確な同定は、亜鉛指タンパク質やヘモグロビン、DNAポリメラーゼなどの金属蛋白質の研究において不可欠である。実験的手法は高コストかつ時間を要するため、計算手法による予測が活用されてきた。しかし、計算の複雑さや剛性のある枠組みの拡張性の欠如が、その応用を阻んでいた。本研究では、亜鉛、鉄、マグネシウム結合アミノ酸を予測可能な、二段階型の配列ベース深層学習フレームワークを提案する。第一段階では、独立した一次元畳み込みニューラルネットワーク（1D-CNN）によりトークン化された配列を処理し、単一残基の結合確率マップを生成する。第二段階では、軽量な統合ネットワークがこれらのマップを統合し、金属間の依存関係をモデル化するとともに予測精度を向上させる。本フレームワークは、不均衡データに配慮した損失関数とアンサンブル評価を採用することで、予測の堅牢性を高めている。構造に依存しないモジュール型の設計により、効率的な学習と推論が可能となり、大規模なプロテオームデータへのアノテーションに適している。