Squidly、酵素機能階層と対照学習を活用し、配列から触媒残基を効率的に予測
Squidly harnesses enzyme functional hierarchy and contrastive learning to efficiently predict catalytic residues from sequence
酵素の触媒残基は酵素機能の鍵となるアミノ酸であり、その正確な予測は酵素機能予測に不可欠である。従来のBLASTのような配列類似性ベースのアプローチは高速だが、既知のアノテーションを持つ相同配列が必要となる。機械学習(ML)アプローチはこの限界を克服することを目指しているが、現在の最先端MLベースの手法は高品質な3D構造を必要とし、大規模データセットへの適用を制限していた。これらの課題に対処するため、シーケンスのみで機能するツール「Squidly」が開発された。Squidlyは、生物学的に情報に基づいた合理的に設計されたペアリングスキームと対照表現学習を活用し、トークンごとのProtein Language Model埋め込みを用いて触媒残基と非触媒残基を区別する。Squidlyは、触媒残基予測において最先端のMLアノテーション手法を上回り、データベースの大規模スクリーニングを可能にする速度を維持している。BLASTとアンサンブルすることで、分布内外のシーケンスに対して高い精度と再現率で触媒残基をアノテーションする効率的なツールを提供する。
- 配列のみで機能する酵素触媒残基予測ツール「Squidly」が開発された。Protein Language Model埋め込みと対照表現学習を活用し、3D構造を必要とせず触媒残基を予測する。
- Squidlyは触媒残基予測において最先端のMLアノテーション手法を上回る精度を達成し、データベースの大規模スクリーニングを可能にする速度を維持している。
- SquidlyはBLASTとアンサンブルすることで、分布内外のシーケンスに対して高精度・高再現率で触媒残基をアノテーションできる。
酵素の触媒残基予測は創薬やバイオものづくりにおける酵素設計のボトルネックであり、Squidlyのように3D構造を必要とせず配列のみで高速・高精度な予測を実現するツールは、大規模な酵素探索・エンジニアリングの効率化に寄与する。特にBLASTとのアンサンブルにより分布内外の配列に対応できる点は、実用的なスクリーニング用途での価値が高く、酵素探索スタートアップや創薬パイプラインとのシナジーが期待される。