NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Proteinlerin enzim fonksiyonlarını ve katalitik kalıntılarını belirlemek, çeşitli hücresel süreçleri anlamamız için hayati öneme sahiptir. Bununla birlikte, enzimatik fonksiyonları ve proteinlerin aktif alanlarını eşzamanlı olarak belirleyebilen mevcut çerçeveler azdır ve hala tahmin performansında iyileşme için çok fazla alana sahiptir. Bu çalışmada, protein dizi özelliklerinden ve yapılarından enzim komisyonu (EC) sayılarını tahmin etmek için bir protein dili modeli olan EC-LMGraph ve grafik konvolutional ağ tabanlı çerçeveyi ve temsili kalıntıların enzimatik fonksiyonlara atfetmesi için fayda eşlemesini sunuyoruz. EC-LMGraph, 3. seviye EC sayı tahmininde ortalama 0.77 F1 puanına ve 4. seviye tahmininde 0.76 puana ulaştı, sadece dizi tabanlı veya ek olarak yapısal bilgiler içeren çok sayıda diğer algoritmadan daha iyi performans gösterdi. Mekanizma ve Katalitik Site Atlas veri seti ve Parkinson hastalığı ile ilgili bir dizi protein üzerinde karşılaştırma yaparak, EC-LMGraph'in katalitik sitelere mevcut son teknoloji algoritma DeepFRI'dan daha güçlü bir vurgu yaptığını gösterdik. EC-LMGraph'i AlphaFold2 ile birleştiren çerçevemiz, tahmin edilen yapılarına dayanarak 229.160 proteinin 3. seviye EC sayılarını doğru bir şekilde belirledi. EC-LMGraph'in 3./4. seviye EC sayılarını doğru bir şekilde tahmin edebildiğini ve birçok enzim için anahtar amino asit artıklarını tespit edebildiğini gösteriyoruz. EC-LMGraph, https://github.com/ngyuilun/EC-LMGraph adresinde uygulanır ve serbestçe kullanılabilir.
Özgün kaynak özetini okuyun
Identifying the enzyme functions of proteins and their catalytic residues is vital to our understanding of diverse cellular processes. However, existing frameworks that can concurrently determine the enzymatic functions and active sites of proteins are scarce, and still have much room for improvement in prediction performance. In this study, we present EC-LMGraph, a protein language model- and graph convolutional network-based framework to predict enzyme commission (EC) numbers from protein sequence features and structures, and saliency mapping to score representative residues attribute to the enzymatic functions. EC-LMGraph attained an average F1 score of 0.77 in 3rd-level EC number prediction, and 0.76 in 4th-level prediction, outperforming numerous other algorithms that were either sequence-based only, or additionally incorporated structural information. Benchmarking on the Mechanism and Catalytic Site Atlas dataset and a set of Parkinson's disease-related proteins, we showed that EC-LMGraph showed a stronger emphasis on catalytic sites than the current state-of-the-art algorithm DeepFRI. Combining EC-LMGraph with AlphaFold2, our framework correctly determined the 3rd-level EC numbers of 229,160 proteins based purely on their predicted structures. We show that EC-LMGraph is capable of accurately predicting the 3rd/4th-level EC numbers, and pinpointing the key amino acid residues for many enzymes. EC-LMGraph is implemented and freely available at https://github.com/ngyuilun/EC-LMGraph.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.