環状置換に不変な表現を学習して、潜在的なタンパク質ホモログを発見する

論文タイトル

CIRPIN: Learning Circular Permutation-Invariant Representations to Uncover Putative Protein Homologs

出典

Attention Required! | Cloudflare

要旨

環状置換（Circular Permutation, CP）によってN末端とC末端の位置が変わっても、全体の立体構造の類似性を見つけられる新しいグラフニューラルネットワーク「CIRPIN」を開発しています。

解説など

背景

この研究の中心課題は、「タンパク質の折りたたみ（フォールド）は似ているのに、配列上の開始点と終了点（N/C末端）の位置が違うために、既存の構造検索で見つけにくい関係」をどう見つけるかです。

環状置換（CP）は、タンパク質鎖を一度つないで別の場所で切り直したような関係です。そのため、3D構造はかなり似ていても、配列順序に依存する検索法では別物として扱われやすいという問題があります。

本文では、既存の高速構造検索モデル Progres をベースに、CPに不変（invariant）な埋め込み表現を学習する CIRPIN を提案しています。

方法

基本アイデア

タンパク質構造を、Cα原子をノードとするグラフとして表現します。

10Å以内の近接残基をエッジとして接続し、E(n)-equivariant GNN（座標変換に頑健なグラフニューラルネットワーク）で埋め込みます。

synCP（synthetic Circular Permutation）

本研究の重要な工夫は、学習中に人工的な環状置換データ拡張（synCP）を行うことです。

元の構造座標列を circular shift（順序の回転）
N/C末端位置だけ変化
構造コアはほぼ同じ

これにより、同一タンパク質の複数の“環状置換版”を学習させ、モデルに「順序が変わっても本質的構造は同じ」と理解させます。必ずしもsynCPはオリジナルのN/C末端が近い必要はありません。実現可能性の高いCPを生成するのではなく、配列順序情報を失ったデータを生成することで、「末端位置」への過剰依存を減らすことが主な目的です。