MPI-VGAE: protein–metabolite enzymatic reaction link learning by variational graph autoencoders

MPI-VGAE: protein–metabolite enzymatic reaction link learning by variational graph autoencoders

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？
→ 酵素反応は、代謝やタンパク質の機能を探求するために重要であり、疾患の病因を理解するためにも不可欠です。酵素反応が相互に結びついている数が増えるにつれ、新しい酵素反応間の結びつきを発見するためのin silicoディープラーニングベースの方法の開発が可能になりました。本研究では、複数の生物種にわたるヘテロジーニアスな酵素反応ネットワークにおける代謝物とタンパク質の相互作用を用いて、Variational Graph Autoencoders（VGAE）ベースの枠組みを開発し、MPIを予測することでMPIの予測能力を高める手法を提案しています。

2. 本研究の目的及び学術的独自性と創造性は？
→ 本研究の目的は、VGAEベースのMPI予測モデルを開発することです。このモデルを用いることで、疾患に関連する新しい酵素反応の発見が可能になり、代謝異常の研究をサポートすることが期待されます。

3. 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？
→ 近年、機械学習を用いた代謝物とタンパク質の相互作用の研究が増えていますが、酵素反応の予測と新しい酵素反応の発見に関しては、十分な研究が行われていませんでした。本研究では、ディープラーニングを用いた酵素反応研究の最先端を担うVGAEを利用し、新たなMPI予測モデルを開発することで、先進的な手法を提供することを目指しています。

4. 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、VGAEベースのMPI予測モデルを提案し、ヘテロジーニアスな酵素反応ネットワーク上で実験を行いました。その結果、本手法が他の機械学習手法と比較して最も良い予測結果を示し、疾患に関連する新しい酵素反応の発見につながることが示されました。さらに、MPI-VGAEモデルを使用して疾患に特定のMPIネットワークを再構築し、ドッキングによる予測と実証を行い、酵素反応の相互作用を探求しました。

5. 本研究の有効性はどのように検証した？
→ 本研究では、既存の酵素反応や代謝異常の現状に加え、MPI-VGAEモデルによる酵素反応の新規発見を提案しました。MPI-VGAEモデルの予測結果はその有効性を示し、疾患に関連する酵素反応の発見について、有望な結果を示しました。