Protein remote homology detection and structural alignment using deep learning
1. 本研究の学術的背景や核心的な問いは、生物技術でのシーケンス、構造、機能の関連性を利用するために、以前に注釈されたタンパク質と低いシーケンス類似性を有するタンパク質を整列する改良された方法が必要であるということです。
2. 本研究の目的は、このギャップを埋めるためにTM-VecとDeepBLASTという二つの深層学習法を開発することです。これらは、伝統的なシーケンス整列法よりも優れた性能を発揮し、構造に基づく整列法と同様のパフォーマンスを達成します。
3. 関連する国内外の研究動向としては、タンパク質のシーケンス類似性を基にした構造予測や機能予測の手法が盛んに研究されています。本研究は、その一環として、シーケンス情報から直接構造の類似性を予測する新たなツールを開発しました。
4. 本研究では、TM-VecとDeepBLASTという二つの深層学習法を開発しました。これらの手法は、タンパク質のシーケンス情報だけから、構造の類似性やホモロジーを識別することが可能です。
5. 本研究の有効性は、様々なデータセットを用いて検証しました。その結果、従来のシーケンス整列法や構造予測法と比較して、遠くにホモロジーを持つタンパク質をより正確に識別することができました。