D-I-TASSER を用いた深層学習に基づく単一ドメインおよび多ドメインタンパク質構造予測

深層学習技術の蛋白質構造予測における優れた成功は、従来の力場ベースの折りたたみシミュレーションの必要性と有用性を問いかけています。私たちは、多様な情報源から得られる深層学習ポテンシャルを反復的なスレッディング断片組み立てシミュレーションと統合して、原子レベルの蛋白質構造モデルを構築するハイブリッドアプローチである深層学習に基づく反復スレッディングアセンブリ改良（D-I-TASSER）を提案しました。D-I-TASSERは、大規模なマルチドメイン蛋白質構造の自動モデリングのためにドメイン分割と組み立てプロトコルを導入しています。ベンチマークテストおよび最新の蛋白質構造予測の重要な評価実験（15件）において、D-I-TASSERは単一ドメイン蛋白質およびマルチドメイン蛋白質双方でAlphaFold2およびAlphaFold3を上回ることが示されました。大規模な折りたたみ実験ではさらに、D-I-TASSERがヒト proteome の81%の蛋白質ドメインと73%の全鎖配列を折りたたむことができ、その結果は最近公開されたAlphaFold2のモデルと非常に補完的であることが明らかになりました。これらの結果は、高精度な蛋白質構造および機能予測を行うために深層学習と古典的な物理学ベースの折りたたみシミュレーションを統合する新しい道筋を示しており、ゲノムワイドアプリケーションでの利用が可能です。注：「proteome」は「プロテオーム」と訳しました。「protein structure prediction」は「蛋白質構造予測」と訳し、「force field-based folding simulations」は「力場ベースの折りたたみシミュレーション」と訳しました。また、「deep-learning-based iterative threading assembly refinement (D-I-TASSER)」は「深層学習に基づく反復スレッディングアセンブリ改良 (D-I-TASSER)」と訳しました。