ProtST: Multi-Modality Learning of Protein Sequences and Biomedical Texts

ProtST: Multi-Modality Learning of Protein Sequences and Biomedical Texts

1. 本研究の学術的背景，研究課題の核心をなす学術的「問い」は？

• 現在、タンパク質言語モデル（PLMs）の研究が行われており、主に蛋白質の配列に基づいて学習することで、その配列間の共進化情報を分析することができる。しかし、タンパク質の実際の機能を明確に理解することはできていない。本研究は、タンパク質のテキスト記述や関数などの情報を利用し、タンパク質の真の機能を明確にすることを目的としている。

1. 本研究の目的及び学術的独自性と創造性は？

• 本研究は、タンパク質の配列情報に加え、テキスト情報を使用することで、タンパク質の機能を明確にすることを目的としている。研究の独自性は、プロトタイプのデータセットを構築し、タンパク質の配列情報とテキスト記述を組み合わせてプレートレーニングを行うことである。また、本研究で提案された手法は、制約の少ない状況でのタンパク質の機能予測に成功した点にも注目される。

1. 本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは？

• 現在、タンパク質の配列を用いた研究が進んでおり、その中には最新の深層学習手法を利用したものもある。本研究では、タンパク質の配列情報に加えてテキスト情報を加えることで、より正確なタンパク質機能の特定を目指している点で注目される。本研究の提案手法は、タンパク質の機能予測の分野における先駆的な試みである。

1. 本研究で何をどのように、どこまで明らかにした？

• 本研究では、タンパク質の配列情報とテキスト情報を組み合わせて、プレートレーニングによるタンパク質機能の正確な予測方法を提案した。具体的には、タスクの種類を用いた手法を設計し、マルチモーダル表現生成を用いて、再学習の前後でのタンパク質機能の特定に成功した。また、従来の方法との比較実験により、本研究で提案された手法がより高い予測精度を持つことが明らかになった。

1. 本研究の有効性はどのように検証した？

• 本研究では、提案手法の有効性を実験で検証した。さまざまな表現学習のベンチマークで、本研究で提案された手法が先行研究に比べて優れていることを示した。また、制約の少ない状況下では、タンパク質機能の特定に成功した。