DeepRHP: 단백질 모방체로서 무작위 이종중합체 설계를 위한 하이브리드 변이형 오토인코더
DeepRHP: A Hybrid Variational Autoencoder for Designing Random Heteropolymers as Protein Mimics
미리 정의된 단량체 집합으로 구성된 합성 무작위 이종중합체(RHPs)는 단백질 유사 물질 설계에 대한 접근 방식을 제공합니다. 적절하게 설계된 경우 이러한 RHP는 단백질 거동과 기능을 모방할 수 있습니다. 따라서 RHP 설계를 효율적으로 안내할 계산 도구가 필요합니다. 우리는 준지도 학습 프레임워크 하에서 수정된 변이형 오토인코더(VAE) 모델인 DeepRHP를 개발하여 이러한 격차를 해소합니다. DeepRHP는 고전적 VAE에 추가적인 특징(feature) 기반 VAE를 장착하여 잠재 공간이 중요한 화학적 특징의 구조와 개별 RHP 시퀀스 패턴을 모두 포착하도록 강제합니다. 이러한 의미에서 우리의 방법은 관련된 모든 특징이 하이브리드 방식으로 통합될 수 있도록 허용하므로 유연합니다. 우리는 비천연 환경에서 막 단백질(예: Aquaporin Z)을 안정화하는 잠재적인 단량체 조성을 제안하고 기존 연구 결과와 교차 검증을 수행함으로써 DeepRHP의 효과를 입증합니다. 우리 모델과 실제 RHP 기능 간의 일치성은 단백질 및 기타 생물학적 화합물에 대한 RHP 설계를 안내하기 위해 하이브리드 오토인코더 아키텍처를 활용할 수 있는 강력한 잠재력을 시사합니다.