Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Bidirectional Hierarchical Protein Multi-Modal Representation Learning

Created by
  • Haebom

作者

Xuefeng Liu, Songhao Jiang, Chih-chan Tien, Jinbo Xu, Rick Stevens

概要

本論文は、タンパク質配列情報と三次元構造情報の両方を利用するマルチモーダル方式のタンパク質表現学習フレームワークを提案する。大規模なタンパク質配列データで事前訓練されたトランスベースのタンパク質言語モデル(PLM)と3D構造情報を活用するグラフニューラルネットワーク(GNN)の利点を組み合わせることで、注意メカニズムとゲーティングメカニズムを介して両方のモダリティ間の効果的な情報交換を可能にします。特に、階層的で双方向的な融合アプローチにより、地域レベルとグローバルレベルでの配列情報と構造情報の統合が向上します。提案された方法は、酵素EC分類、モデル品質評価、タンパク質-リガンド結合親和性予測、タンパク質-タンパク質結合部位予測、B細胞エピトープ予測など、様々なタンパク質発現学習ベンチマークにおける従来の方法より優れた性能を示し、マルチモーダルタンパク質発現学習分野における新たなステート・オブ・ザ・アートを達成する。

Takeaways、Limitations

Takeaways:
タンパク質配列と構造情報の効果的な融合のための新しいBi-Hierarchical Fusionフレームワークの提示
様々な蛋白質関連予測作業における従来法に対する性能の改善
マルチモーダル蛋白質表現学習の分野における新しい状態のアートの達成
注意メカニズムとゲーティングメカニズムによるモダリティ間の情報交換と相互強化
Limitations:
本論文では具体的なLimitationsについては言及していない。今後の研究では、さまざまなタンパク質構造データセットの一般化性能評価、計算コストの最適化などが必要になる可能性があります。
👍