ProtGPS - MITをはじめとする研究機関によって開発されたタンパク質言語モデル。

ProtGPSとは何ですか？

MITとホワイトヘッド生物医学研究所が開発したProtGPS（Protein Localization Prediction Model）は、タンパク質の細胞内局在を予測するために使用される、深層学習に基づくタンパク質言語モデルです。ProtGPSは、進化規模のタンパク質トランスフォーマーアーキテクチャを用いてタンパク質のアミノ酸配列を解析し、配列内の複雑なパターンと相互関係を学習します。ProtGPSは、核小体や核スポットなど、12種類の異なる細胞内領域におけるタンパク質の分布確率を予測することができ、特定の細胞内領域に特異的に組み立てられる新規タンパク質配列の生成を効果的に支援します。ProtGPSは、タンパク質の細胞内局在を変化させる病原性変異を特定することができ、細胞機能や疾患メカニズムの理解に新たなツールと視点を提供します。

ProtGPSの主な機能

• 細胞内におけるタンパク質の分布を予測するタンパク質が12種類の異なる細胞内領域（核小体、核斑、ストレス顆粒など）に局在する確率を予測します。
• 特定の細胞内局在を持つタンパク質の設計: 新しいタンパク質配列を生成し、それらを特定の細胞内領域（核小体や核スポットなど）に特異的に組み立てる。
• 病原性変異がタンパク質の局在に及ぼす影響の特定変異がタンパク質の細胞内局在に及ぼす影響を分析し、病原性変異が異常なタンパク質分布を引き起こすかどうかを予測する。

ProtGPSの技術原理

• トランスフォーマーベースのシーケンス学習ESM2（進化スケールモデル2）アーキテクチャに基づいた、Transformerベースのタンパク質言語モデルです。入力配列中のすべてのアミノ酸間の関係を同時に学習し、タンパク質配列における複雑なパターンと相互作用を捉えます。
• ニューラルネットワーク分類器の共同学習：
  • ESM2アルゴリズムは、ニューラルネットワーク分類器と共同で学習されます。分類器の役割は、ESM2アルゴリズムによって抽出された特徴に基づいて、タンパク質が異なる細胞内領域に局在する確率を予測することです。
  • トレーニングデータセットには、12種類の異なる細胞内領域に属するように注釈付けされた5,480個のヒトタンパク質配列が含まれており、異なる細胞内領域のタンパク質配列の特徴が学習される。
• タンパク質配列を生成するためのアルゴリズム特定の細胞内局在を持つタンパク質を設計するために、マルコフ連鎖モンテカルロ（MCMC）アルゴリズムが用いられる。タンパク質配列を生成する際には、タンパク質の化学的空間特性と内在的な無秩序性を考慮し、生成された配列が天然タンパク質の分布に適合し、標的となる細胞内領域に特異的に局在することを保証する。
• 病原性変異解析本研究では、病原性変異がタンパク質の細胞内局在に及ぼす影響を分析する。野生型タンパク質と変異型タンパク質の局在予測結果を比較し、タンパク質分布を変化させる変異を特定する。情報理論に基づくシャノンエントロピーとワッサースタイン距離を用いて、変異がタンパク質局在予測の不確実性に及ぼす影響を定量化する。

ProtGPSプロジェクトの住所

• GitHubリポジトリ：https://github.com/pgmikhael/protgps
• arXiv技術論文：https://www.biorxiv.org/content

ProtGPSの応用シナリオ

• 疾患メカニズム研究病原性変異がタンパク質の細胞内局在に及ぼす影響を特定し、疾患の発症機序の理解に役立てる。
• タンパク質工学と創薬設計新規タンパク質医薬品やバイオセンサーの開発に用いるため、特定の細胞内局在を持つタンパク質を設計する。
• 細胞生物学研究タンパク質の細胞内における局在を予測することは、細胞内タンパク質の機能や相互作用の研究に役立つ。
• 遺伝子治療と遺伝子編集遺伝子編集の効率と特異性を向上させるため、細胞内領域を特異的に標的とする遺伝子編集ツールを設計する。
• タンパク質の機能アノテーションとデータベース構築これはタンパク質の機能研究の手がかりとなり、より包括的なタンパク質機能データベースの構築に役立つ。