配列とクライオ電子顕微鏡密度マップの共同表現学習によるマルチモーダルタンパク質検索

タンパク質配列とクライオ電子顕微鏡（cryo-EM）密度マップとの対応付けは、対データの不足、構造的不均一性、マップ解像度のばらつき、複数のコンフォメーション状態の存在により、依然として困難である。本研究では、クロスモーダル検索を目的として、タンパク質配列とcryo-EM密度マップの間に共有潜在空間を学習するマルチモーダル表現学習フレームワークを提案する。本手法は、事前学習済みタンパク質配列埋め込みと、自己教師あり表現学習および転移学習によって訓練された三次元cryo-EMエンコーダを組み合わせる。得られたモデルは、生物学的に有意義な構造表現を学習すると同時に、配列と密度マップの双方向検索を可能にする。実験の結果、配列からマップおよびマップから配列の両タスクで高い検索性能を示し、3,275件のcryo-EMマップからなるデータベースにおいて検索順位の中央値2～3を達成した。学習された埋め込み空間では、対応する配列―マップ対と対応しない対が明確に分離され、さまざまなcryo-EM解像度に対しても頑健性が維持された。さらに、本モデルは生物種を越えて汎化し、ヒトの配列埋め込みを用いて保存されたマウスタンパク質構造を正しく検索した。本研究の知見は、共有潜在空間の学習がタンパク質配列とcryo-EM構造表現を結び付ける有望な方向性であり、構造検索、タンパク質アノテーション、マルチモーダル生物学的表現学習への応用可能性を有することを示す。

https://doi.org/10.64898/2026.09.02.749033