持久 Laplacian 与预训练 Transformer 融合用于突变后蛋白质溶解度变化预测
生物大分子
2023-11-06 v2 代数拓扑
摘要
蛋白质突变可显著影响蛋白质溶解度，导致蛋白质功能改变并引发多种疾病。尽管付出巨大努力，如归一化正确预测率（CPR）得分低下所示，机器学习预测突变后蛋白质溶解度变化仍是一项艰巨任务。部分挑战源于野生型与突变型蛋白质均无三维（3D）结构。本工作将持久 Laplacian 与预训练 Transformer 相融合以完成该任务。Transformer 以数亿蛋白质序列预训练，用于嵌入野生型与突变型序列；而持久 Laplacian 追踪由突变引发的 3D 蛋白质结构（由 AlphaFold2 生成）中的拓扑不变量变化与同伦形状演化。所得机器学习模型在标注有三种溶解度类型的广泛数据集上训练。我们的模型优于所有现有预测方法，并将最优水平提升达 15%。
引用
@article{arxiv.2310.18760,
title = {Integration of persistent Laplacian and pre-trained transformer for protein solubility changes upon mutation},
author = {JunJie Wee and Jiahui Chen and Kelin Xia and Guo-Wei Wei},
journal= {arXiv preprint arXiv:2310.18760},
year = {2023}
}