【クライオ電顕】AF2 を利用して電子密度マップからの構造予測精度を向上！

論文タイトル

Protein Structure Refinement via DeepTracer and AlphaFold2

出典

Protein Structure Refinement via DeepTracer and AlphaFold2

Understanding the structures of proteins has numerous applications, such as vaccine development. It is a slow and labor-intensive task to manually build protein...

www.biorxiv.org

確認したいこと

深層学習を用いたタンパク質デザイン手法をベンチマークしています。

要旨

電子密度マップからの構造推定手法 DeepTracer にAF2予測情報を取り入れて、解析精度を向上を試みた研究です。

解説など

従来クライオ電顕から得られる電子密度マップからの配列・構造推定には、ヒューリスティックなパスウォーキングアルゴリズム、またはツリーグラフアルゴリズムが採用されていました。また、近年の機械学習手法の発展により、DeepTracer などの高精度予測手法が利用されるに至っています。

DeepTracer は、U-Net と呼ばれる 3D 畳み込みニューラル ネットワークを利用して、クライオ EM 密度マップからアミノ酸残基を特定する手法です。

DeepTracer を用いた電子密度マップからの構造推定には、以下の課題があるといわれています。

• 誤接続：アミノ酸残基が誤った順序で接続される
• アミノ酸残基予測：高解像度の電子密度マップにおける分解能は 2 ~ 4 Å であり、原子（直径およそ 1 Å）を区別するには不十分なため、構造が類似しているアミノ酸残基は見分けられない

筆者らは、この手法に AlphaFold2 による予測を取り入れることで、DeepTracer の課題を克服することを試みています。このメソッドを DeepTracer-Refine と呼んでいます。

具体的な手法は次の通りです。

• AlphaFold2 により残基ごとの pLDDT を算出
• pLDDT の値が小さい（信頼性が低い）残基を境目に AlphaFold2 の予測構造をドメインを分割
• DeepTracer の予測モデルとアライメント

この方法により、AF2 の信頼性の低い構造領域を DeepTracer で補完する（DeepTracer の誤接続や、アミノ酸残基の不確かさを AF2 で補完する）ことができるとのことです。