文献

J-GLOBAL ID：202202219830601858   整理番号：22A0740976

表現学習による蛋白質pK_aの予測【JST・京大機械翻訳】

Prediction of protein pK_a with representation learning

著者 (2件)： Gokcan Hatice (Department of Chemistry, Mellon College of Science, Carnegie Mellon University, Pittsburgh, PA, USA. [e-mail]) ,  Isayev Olexandr
資料名： Chemical Science (Web)  (Chemical Science (Web))
巻： 13  号： 8  ページ： 2462-2474  発行年： 2022年 
JST資料番号： U7042A  ISSN： 2041-6539  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 蛋白質の挙動は残基のプロトン化状態に密接に関連している。したがって,pK_aの予測と測定は蛋白質の基本的機能を理解するために必須である。本研究では,深い表現学習に基づく蛋白質pK_a予測のための新しい経験的スキームを開発した。それは,機械学習を原子環境ベクトル(AEV)と組み合わせ,ANI-2xニューラルネットワークポテンシャル(J.Chem)からの量子力学的表現を学習した。理論Comput.2020,16,4192。このスキームは,入力として蛋白質の座標情報のみを必要とし,全ての5つの滴定アミノ酸タイプに対してpK_aを別々に推定した。方法の精度を,交差検証と蛋白質の外部試験セットの両方で分析した。得られた結果を,広く用いられている経験的アプローチPROPKAと比較した。新しい経験的モデルは,すべてのアミノ酸タイプに対して0.5以下のMAEsの精度を提供した。それはPROPKAの精度を上回り,ヌルモデルよりも顕著に優れている。本モデルは,局所立体配座変化と分子相互作用にも敏感である。Copyright 2022 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分子間相互作用 ,  ベクトル ,  配座転移 ,  プロトン化 ,  アミノ酸 ,  *タンパク質 ,  機械学習
準シソーラス用語： 経験モデル ,  残基 ,  ヌルモデル ,  *表現学習 , 【Automatic Indexing@JST】

分類 (1件)： 蛋白質・ペプチド一般  (EB03010N)

タイトルに関連する用語 (3件)： 表現学習 ,  蛋白質 ,  予測