【構造予測】RoseTTAFoldを抗体構造予測に適応すると・・・

論文タイトル

Differential performance of RoseTTAFold in antibody modeling

出典

Brief Bioinform. 2022 May 23;bbac152.

Differential performance of RoseTTAFold in antibody modeling - PubMed
Antibodies are essential to life, and knowing their structures can facilitate the understanding of antibody-antigen recognition mechanisms. Precise antibody str...
pubmed.ncbi.nlm.nih.gov

確認したいこと

  • 深層学習を用いた抗体構造予測モデリング手法の実績

要旨

タンパク質構造予測のための深層学習モデルRoseTTAFoldを、抗体の構造予測に適応したときの予測精度を、従来のホモロジーモデリング手法と比較しています。

解説など

本論文では、RoseTTAFoldを抗体の構造予測に適応したときの、予測精度を評価しています。

RoseTTAFoldはAlphaFoldと同じく深層学習を利用したタンパク質構造予測手法です。1Dの配列アライメント情報、2Dの残基間距離マップ、3Dの原子座標をそれぞれ予測する3トラックネットワークでモデルを作成することが特徴です。

本論文では、このRoseTTAFoldと精度比較する従来モデルとして、以下を対象としています。

  • SWISS-MODEL
SWISS-MODEL
SWISS-MODEL is a fully automated protein structure homology-modelling server. The purpose of this server is to make protein modelling accessible to all life sci...
swissmodel.expasy.org
  • AbodyBuilder
SAbPred: ABodyBuilder
opig.stats.ox.ac.uk

これらは、どちらもホモロジーモデリングをベースとした構造予測手法です。SWISS-MODELはUniprotなどの外部データをリポジトリとして、様々なタンパク質に汎用的に利用できるツールです。一方でAbodyBuilderは、抗体に特化したモデリングツールで、その鋳型配列にSAbDabのデータベースを活用しています。

本論文では、様々なデータセットを対象に精度比較が行われていますが、一貫してGMQEスコア（ホモロジーモデルにおいて選抜された鋳型構造と標的構造の類似性）が高いケースでは、ホモロジーモデルの予測精度の方が高く、GMQEスコアが低いケースでは、RoseTTAFoldの方が精度が高い、という結果でした。

CDRのループ単位でみていくと、ホモロジーモデルで予測の困難なH3においては、SWISS-MODELに対しては有意な差が確認できなかったものの、ABodyBuilderと比べるとRoseTTAFoldの方が正確なモデルを作成することができたそうです。

RoseTTAFoldの現状の課題としては、以下が挙げられています。

  • 単量体タンパク質を主に訓練データとしてモデルが構築されていること
  • 抗体構造データが乏しいこと

深層学習モデルの開発と発展が著しいですが、どのような対象でもRoseTTAFoldの方が優位、という状況では現時点でないようです。

コメント