韩国科学技术院(KAIST)29日表示,生命化学工程系特聘教授李相烨与美国加州大学圣迭戈分校(UCSD)生物工程系教授伯纳德·帕尔松的联合研究团队,开发出利用人工智能从蛋白质序列预测转录因子的系统“DeepTFactor”。
转录因子是特异性结合于特定DNA序列、调控基因转录(复制遗传信息的过程)的蛋白质。通过分析由转录因子引起的基因转录,可以理解有机体如何响应遗传或环境变化来控制基因表达。从这一点看,寻找有机体的转录因子可谓分析有机体转录调控系统的第一步。
迄今为止,为寻找新的转录因子,或分析与已知转录因子的同源性(相似性质),或采用机器学习等基于数据的方法。要使用既有的机器学习模型,需要依赖对所要解决问题的专业知识,通过计算分子的物理化学特性或分析生物序列的同源性等方式,找出可作为模型输入值的特征。
深度学习能够内在地学习解决问题的潜在特征,因而近来被广泛应用于各类生物学领域。但基于深度学习的预测系统由于系统内部运算复杂,具有无法直接确认推断过程的“黑箱”特征。
联合研究团队利用深度学习技术,开发出可预测给定蛋白质序列是否为转录因子的系统DeepTFactor。DeepTFactor为从蛋白质序列预测转录因子,使用了三个并行的卷积神经网络。研究团队利用DeepTFactor预测出大肠杆菌(Escherichia coli K-12 MG1655)的332个转录因子,并通过实验确认其中3个转录因子的全基因组结合位点,从而验证了DeepTFactor的性能。
研究团队进一步为理解DeepTFactor的推断过程,采用了基于特征图(saliency map)的深度学习模型解释方法论。由此确认,尽管在DeepTFactor的学习过程中并未明确提供转录因子与DNA结合区域的信息,但其内在地学习到了这一信息并用于预测。
据研究团队相关人士介绍,与以往仅针对特定生物类群蛋白质序列开发的预测方法不同,DeepTFactor在所有生物类群的蛋白质序列上均表现优异,有望用于各类有机体转录系统的分析。
特聘教授李相烨表示,“利用本次研究开发的DeepTFactor,可以高通量地分析新发现的蛋白质序列以及大量尚未被表征的蛋白质序列”,“这将可作为分析有机体转录调控网络的基础技术加以应用”。
该研究成果于12月28日刊载于国际学术期刊《美国国家科学院院刊(PNAS)》。
/大田=朴熙允记者 hypark@sedaily.com






