Protein fonksiyon araştırmaları, hücrelerde meydana gelen karmaşık biyolojik süreçlerin anlaşılmasına yardımcı olur. Ancak, protein yapı ve fonksiyonlarının karmaşık yapısı ve protein dizi verilerinin hızla artması, doğru protein açıklamaları için verimli hesaplama yöntemleri geliştirme konusunda acil bir zorluk oluşturmaktadır.
Sonuçlar
Bu çalışmada, sağlam protein fonksiyon tahmini için tasarlanmış çok kanallı bir derin öğrenme çerçevesi olan ENGINE’i öneriyoruz. ENGINE, protein 3B yapılarından geometrik özellikleri yakalamak için eşdeğişken bir grafik evrişimli ağ modelini entegre eder, evrimsel ve diziden türetilen bilgileri kodlamak için büyük dil modeli ESM-C’den yararlanır ve uzamsal ve ardışık sinyalleri birleştiren yenilikçi bir 3B dizi gösterimini birleştirir. ENGINE’in çeşitli protein fonksiyon tahmin ölçütlerinde mevcut en son yöntemleri sürekli olarak geride bıraktığını, sağlam genelleme ve yüksek tahmin doğruluğu sergilediğini gösteriyoruz. Performansın ötesinde, ENGINE, proteinler içindeki işlevsel olarak kritik kalıntıların ve alt yapıların tanımlanmasını sağlayan temel dizi özelliklerine ve yapısal motiflere dair yorumlanabilir içgörüler sağlar. Bu, protein fonksiyon açıklama sonuçlarının daha derin bir mekaniksel anlayışını kolaylaştırır ve ileri düzey biyolojik çalışmalar için hipotez üretimini destekler.