基于混沌增强全景图图像的蛋白序列深度学习分析方法 DANCE

癌症是一种由 uncontrolled 细胞生长引起的复杂疾病。T 细胞受体 (TCR) 作为免疫系统中关键蛋白，在识别包括癌症相关抗原在内的抗原方面发挥关键作用。近期测序技术的进展促进了 TCR 克隆型的全面描绘，揭示了具有强效抗癌活性的 TCR，从而使 TCR 免疫疗法成为可能。然而，分析这些复杂生物分子需要高效的表征方法以捕获其结构与功能信息。T 细胞蛋白序列因相对较短的长度，在其他生物分子中具有独特挑战。基于图像的表征方法因能够高效生成嵌入并保留关键细节，成为处理 T 细胞蛋白序列的首选方案。本文提出使用混沌游戏表示 (Chaos Game Representation, CGR) 结合全景图图像方法，从蛋白序列生成图像。该 Deep Learning Assisted Analysis of Protein Sequences Using Chaos Enhanced Kaleidoscopic Images (即 DANCE) 提供了一种通过递归应用混沌游戏规则围绕中心种子点生成图像的独特蛋白序列可视化方式。我们对 T 细胞受体 (TCR) 蛋白序列进行分类，以其分别针对特定癌症细胞的目标为依据进行分类，因为 TCR 已知具有对抗癌症疾病的免疫反应。TCR 序列经 DANCE 方法转换为图像后，我们采用深度学习视觉模型进行分类，以洞察生成的全景图图像中观察到的视觉图案与底层蛋白属性之间的关系。通过将 CGR 基于图像生成与深度学习分类相结合，本研究在蛋白分析领域开启了新的可能性。