Prediction and analysis of intrinsically disordered regions in membrane proteins

膜蛋白本质无序区域的预测和分析

基本信息

批准号：
17F17050
负责人：
清水謙多郎
金额：
$ 1.41万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2017
资助国家：
日本
起止时间：
2017-10-13 至 2020-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-17F17050/
关键词：
天然変性タンパク質深層学習 MoRF PSSM

项目摘要

MoRFs（molecular recognition features）は、他分子との結合により、天然変性状態から非天然変性状態に遷移する領域で、細胞の分子相互作用ネットワークにおいて重要な役割を果たし、多くのヒトの疾患に関与する天然変性タンパク質（IDP）の重要な機能領域である。MoRFsの予測の大きな問題は、「明確な配列特徴がない」という点で、これに対しては、アミノ酸残基の特性に対して因子分析を適用するなど、特徴量の設計を工夫し、さらに深層学習を適用することで高感度の特徴の検出と高い予測精度の達成を目指した。我々は、まず、深層学習のCNN（convolutional neural network）を用いて、天然変性領域のアミノ酸配列からMoRFsを同定するシステムを開発した。学習する特徴量としては、PSSMと13種のAA Indexを用いた。MoRFsを含む421チェインと負例データからデータセットに対してAUC値で0.778という、従来のシステムより高い予測結果を得た。次に、集団学習を用いてMoRFsの予測精度のさらなる向上を図った。2つのCNNによる予測器（一つは、PSSMと22種の残基属性、もう一つは、PSSMと13種のAA indexを特徴量とする）、1次元CNNによる予測器とSVMによる予測器をあわせた4つの予測器による集団学習を行った。各予測器の結果は平均化によって集約した。特徴量は、どちらもPSSMと13種のAA indexを採用した。45個のMoRFsを含むテストデータセットと、膜タンパク質から生成した49個のMoRFsを含むテストデータセットを使用し性能評価を行ったところ、それぞれ、AUC値で0.795、0.776という結果であった。これらはどちらも、従来の手法に比べ、高い予測精度を達成している。本研究で開発したシステムは、Webで公開している。

MORF（分子识别特征）是在与其他分子结合后从自然变性到非天然变性态的区域，并且是自然变性蛋白（IDP）的重要功能区域，它们在细胞分子相互作用网络中起重要作用，并参与许多人类疾病。预测MORF的主要问题是没有明确的序列特征，并且通过将因子分析应用于氨基酸残基的特征，我们旨在设计特征，并且通过应用深度学习，我们旨在检测高度敏感的特征并实现高预测准确性。我们首先使用深度学习卷积神经网络（CNN）开发了一种用于自然修饰区域中氨基酸序列的MORF的系统。学习特征的数量为PSSM和13个AA索引。从包含MORF和负示例数据的421个链中，我们获得了比传统系统更高的预测结果，数据集的AUC值为0.778。接下来，使用小组学习进一步提高MORF的预测准确性。我们使用两个CNN预测因子（一个功能PSSM和22个残基属性，另一个功能PSSM和13个AA索引）进行了小组学习，其中四个预测指标，包括使用一维CNN的预测变量和使用SVM的预测变量。每个预测因子的结果通过平均值汇总。两个特征值均为PSSM和13个AA索引。使用包含45个MORF的测试数据集和包含来自膜蛋白产生的49个MORF的测试数据集进行了性能评估，AUC值分别为0.795和0.776。这两种都比常规方法具有更高的预测准确性。这项研究开发的系统在线发布。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Comparative analysis of membrane protein structure databases

DOI：
10.1016/j.bbamem.2018.01.005
发表时间：
2018-05-01
期刊：
BIOCHIMICA ET BIOPHYSICA ACTA-BIOMEMBRANES
影响因子：
3.4
作者：
Shimizu, Kentaro;Cao, Wei;Terada, Tohru
通讯作者：
Terada, Tohru

Prediction of antifungal peptides by deep learning with character embedding

通过深度学习和字符嵌入来预测抗真菌肽

DOI：
10.2197/ipsjtbio.12.21
发表时间：
2019-01-01
期刊：
IPSJ Transactions on Bioinformatics
影响因子：
0
作者：
Fang, C;Moriwaki, Y;Shimizu, K
通讯作者：
Shimizu, K

Identifying MoRFs in Disordered Protein Using Enlarged Conserved Features

使用扩大的保守特征识别无序蛋白质中的 MoRF

DOI：
10.1145/3194480.3198908
发表时间：
2018
期刊：
2018 6th International Conference on Bioinformatics and Computational Biology
影响因子：
0
作者：
Chun Fang;Yoshitaka Moriwaki;Daming Zhu;and K. Shimizu
通讯作者：
and K. Shimizu