FlowPacker: トーショナルフローマッチングを用いたタンパク質側鎖パッキング

タンパク質の三次元構造はそのアミノ酸配列によって決定され、タンパク質の機能はその三次元構造に大きく依存しています。タンパク質の側鎖構造(side-chain conformations)は、タンパク質の折り畳み、タンパク質-タンパク質相互作用、およびタンパク質設計(de novo protein design)において重要な役割を果たします。正確にタンパク質側鎖の構造を予測することは、タンパク質の折り畳みメカニズムを理解し、新しいタンパク質を設計し、タンパク質相互作用を研究するための鍵となります。しかし、従来の物理ベースのモデル(physics-based modeling)は、経験的なスコアリング関数(empirical scoring functions)、離散的なロタマーライブラリ(d...

トランスフォーマーを用いたCryo-EM密度マップの効率的な強化

学術的背景 低温電子顕微鏡(Cryo-EM)は、タンパク質などの巨大分子の構造を解析するための重要な実験技術です。しかし、Cryo-EMの有効性は、低コントラストや構造の異質性などの実験条件によって引き起こされるノイズや密度値の欠損によってしばしば制限されます。既存のグローバルおよびローカルな画像シャープニング技術はCryo-EM密度マップの改善に広く使用されていますが、より正確なタンパク質構造を構築するためにその品質を効率的に向上させることには依然として課題があります。この問題を解決するために、研究者はCryoTenという3D UNETR++スタイルのTransformerモデルを開発し、Cryo-EM密度マップの品質を効果的に向上させることを目指しています。 論文の出典 この論文は、Jo...

共有ペプチドを用いたプロテオミクス実験におけるタンパク質および翻訳後修飾の相対定量:重みベースのアプローチ

プロテオミクス研究において、質量分析(Mass Spectrometry, MS)はタンパク質の豊度や構造変化を分析するために広く使用されています。しかし、タンパク質の定量分析には重要な課題があります。多くのタンパク質が同じペプチド(shared peptides)を共有しているため、これらのペプチドが複数のタンパク質配列に現れることがあります。従来の方法は通常、ユニークペプチド(unique peptides)のみに依存してタンパク質を定量しており、共有ペプチドの情報を無視しているため、定量結果に偏りや不正確さが生じる可能性があります。特に、タンパク質アイソフォーム(protein isoforms)や翻訳後修飾(post-translational modifications, PTMs...

情報エントロピー強化BERTと多方向GRUを統合したS-硫化部位予測のためのアンサンブル深層学習法

背景紹介 タンパク質の翻訳後修飾(Post-Translational Modifications, PTMs)は、遺伝子転写、DNA修復、タンパク質相互作用などの細胞活動を調節する重要なメカニズムです。その中でも、システイン(Cysteine)は希少なアミノ酸であり、そのチオール基(Thiol Group)を介して多様なPTMsに関与し、特に酸化還元平衡やシグナル伝達プロセスにおいて重要な役割を果たしています。S-スルフヒドル化(S-Sulfhydration)は重要なPTMの一つであり、心血管疾患や神経疾患の発症と進行に密接に関連しています。しかし、S-スルフヒドル化の具体的なメカニズムは未解明であり、特にその部位の識別において大きな課題が残されています。 従来のS-スルフヒドル化部位の...

遺伝子発現ダイナミクスの軌道整合

単一細胞トランスクリプトームシーケンシング(single-cell RNA sequencing, scRNA-seq)技術の登場により、細胞の発生と分化過程における遺伝子発現のダイナミクスをこれまでにない解像度で研究することが可能になりました。しかし、生物学的プロセスの複雑さから、異なる条件下での細胞発生軌跡はしばしば非対称であり、データの統合と比較に課題をもたらしています。既存の方法は通常、異なる条件下のサンプルを統合してからクラスタリング分析を行ったり、共有される軌跡を推測したりすることを前提としていますが、これらの方法は非対称な軌跡を扱う際に効果的ではなく、重要な差異発現遺伝子(differentially expressed genes, DEGs)を見逃す可能性があります。 この...

SP-DTI:サブポケット情報を利用したTransformerモデルによる薬物-標的相互作用予測

学術的背景 薬物-ターゲット相互作用(Drug-Target Interaction, DTI)の予測は、薬物発見における重要なプロセスであり、実験スクリーニングのコストと時間を大幅に削減することができます。しかし、深層学習技術がDTI予測の精度を向上させたにもかかわらず、既存の方法は依然として2つの大きな課題に直面しています:汎化能力の不足とサブポケットレベルの相互作用の無視です。まず、既存のモデルは未知のタンパク質やクロスドメイン設定において性能が著しく低下します。次に、現在の分子関係学習は、サブポケットレベルの相互作用をしばしば無視しており、これらの相互作用は結合部位の詳細を理解する上で重要です。これらの課題を解決するために、研究者はSP-DTIという新しいモデルを提案し、サブポケット...