Fugu-MT 論文翻訳(概要): Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions

論文の概要: Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions

arxiv url: http://arxiv.org/abs/2410.09543v1
Date: Sat, 12 Oct 2024 14:13:42 GMT
ステータス: 処理完了
システム内更新日: 2024-10-30 13:55:04.878489
Title: Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions
Title（参考訳）: タンパク質-タンパク質相互作用における変異効果の予測因子としてのボルツマン配向逆フォールディングモデル
Authors: Xiaoran Jiao, Weian Mao, Wengong Jin, Peiyuan Yang, Hao Chen, Chunhua Shen,
Abstract要約: 結合自由エネルギーの変化を予測する(Delta Delta G$)ことはタンパク質-タンパク質相互作用の理解と調節に不可欠である。本稿では,事前学習した逆折り畳みモデルから$Delta Delta G$予測への知識伝達のためのボルツマンアライメント手法を提案する。
参考スコア（独自算出の注目度）: 48.58317905849438
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Predicting the change in binding free energy ($\Delta \Delta G$) is crucial for understanding and modulating protein-protein interactions, which are critical in drug design. Due to the scarcity of experimental $\Delta \Delta G$ data, existing methods focus on pre-training, while neglecting the importance of alignment. In this work, we propose the Boltzmann Alignment technique to transfer knowledge from pre-trained inverse folding models to $\Delta \Delta G$ prediction. We begin by analyzing the thermodynamic definition of $\Delta \Delta G$ and introducing the Boltzmann distribution to connect energy with protein conformational distribution. However, the protein conformational distribution is intractable; therefore, we employ Bayes' theorem to circumvent direct estimation and instead utilize the log-likelihood provided by protein inverse folding models for $\Delta \Delta G$ estimation. Compared to previous inverse folding-based methods, our method explicitly accounts for the unbound state of protein complex in the $\Delta \Delta G$ thermodynamic cycle, introducing a physical inductive bias and achieving both supervised and unsupervised state-of-the-art (SoTA) performance. Experimental results on SKEMPI v2 indicate that our method achieves Spearman coefficients of 0.3201 (unsupervised) and 0.5134 (supervised), significantly surpassing the previously reported SoTA values of 0.2632 and 0.4324, respectively. Futhermore, we demonstrate the capability of our method on binding energy prediction, protein-protein docking and antibody optimization tasks.
Abstract（参考訳）: 結合自由エネルギー(\Delta \Delta G$)の変化を予測することは、タンパク質とタンパク質の相互作用の理解と調節に不可欠である。実験的な$\Delta \Delta G$データが不足しているため、既存の手法ではアライメントの重要性を無視しながら、事前トレーニングに重点を置いている。本研究では,事前学習した逆折り畳みモデルから$\Delta \Delta G$予測への知識伝達のためのボルツマンアライメント手法を提案する。まず、$\Delta \Delta G$の熱力学的定義を分析し、エネルギーをタンパク質配座分布と結びつけるボルツマン分布を導入する。しかし、タンパク質のコンフォメーション分布は難解であり、ベイズの定理を用いて直接推定を回避し、代わりに$\Delta \Delta G$推定のためにタンパク質逆折り畳みモデルによって提供される対数類似度を利用する。従来の逆折り畳み法と比較して,本手法は物理的誘導バイアスを導入し,教師なしおよび教師なし両方のSoTA性能を達成することにより,$\Delta \Delta G$熱力学サイクルにおけるタンパク質複合体の非有界状態を明示的に説明する。 SKEMPI v2 実験の結果,SKEMPI v2 はスピアマン係数 0.3201 (教師なし) と 0.5134 (教師なし) を達成し,従来報告した SoTA の 0.2632 と 0.4324 を上回った。さらに,本手法が結合エネルギー予測,タンパク質ドッキング,抗体最適化に有効であることを示す。

論文の概要: Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions

関連論文リスト