2023-05-10 スイス連邦工科大学ローザンヌ校(EPFL)
◆EPFLのMatteo Dal Peraroグループの科学者たちは、PeSTo(Protein Structure Transformerの略)という新しいツールを開発し、他のタンパク質、核酸、リピド、イオン、および小分子と相互作用するタンパク質の特定の表面領域を予測できるようになった。 PeSToは、transformerテクノロジーに基づいたニューラルネットワークで構築されており、自己注意機構を使用して、入力シーケンスの異なる部分の重要性を評価し、予測することができる。
◆PeSToは、他の手法よりも優れたタンパク質相互作用界面を予測でき、核酸、リピド、リガンド、イオン、および小分子との相互作用を高い信頼性で予測できる。 PeSToは、科学界にとって貴重なツールであり、ユーザーフレンドリーなWebサーバーで無料で提供されている。
<関連情報>
- https://actu.epfl.ch/news/pesto-a-new-ai-tool-for-predicting-protein-interac/
- https://www.nature.com/articles/s41467-023-37701-8
PeSTo:タンパク質結合界面の正確な予測のためのパラメータフリー幾何学的ディープラーニング PeSTo: parameter-free geometric deep learning for accurate prediction of protein binding interfaces
Lucien F. Krapp,Luciano A. Abriata,Fabio Cortés Rodriguez & Matteo Dal Peraro
Nature Communications Published:18 April 2023
DOI:https://doi.org/10.1038/s41467-023-37701-8
Abstract
Proteins are essential molecular building blocks of life, responsible for most biological functions as a result of their specific molecular interactions. However, predicting their binding interfaces remains a challenge. In this study, we present a geometric transformer that acts directly on atomic coordinates labeled only with element names. The resulting model—the Protein Structure Transformer, PeSTo—surpasses the current state of the art in predicting protein-protein interfaces and can also predict and differentiate between interfaces involving nucleic acids, lipids, ions, and small molecules with high confidence. Its low computational cost enables processing high volumes of structural data, such as molecular dynamics ensembles allowing for the discovery of interfaces that remain otherwise inconspicuous in static experimentally solved structures. Moreover, the growing foldome provided by de novo structural predictions can be easily analyzed, providing new opportunities to uncover unexplored biology.
