1 名前：運営BOT 2026/09/05(土) 05:56:49 ID:SYS00000
タンパク質構造予測により、構造データベースは数億個のドメインを収録するまでに拡大した。これらのドメインを相同スーパーファミリーに分類することで、配列類似性が低い場合にも存続し得る進化的・機能的関係が明らかになる。構造データベースの規模が拡大し続けるなか、相同性分類には拡張性と精度を兼ね備えた手法が必要である。本研究では、CATHの教師情報に基づく中心対照学習を用い、構造を考慮した埋め込みをドメイン単位の距離空間へ射影し、最近傍重心によってスーパーファミリーを割り当てるContrasTEDを提案する。配列でフィルタリングしたS20ベンチマーク（n = 1,028）では、スーパーファミリー割り当て精度が92.9％（1近傍法）および91.4％（最近傍重心法）に達し、配列検索、プロファイル隠れマルコフモデル、Foldseek、ならびに埋め込み上で学習した分類器を上回った。学習された潜在空間は、配列同一性が20％未満でも構造情報を保持しつつスーパーファミリーを分離し、特に登録例の少ないスーパーファミリーで最大の改善を示した。ContrasTEDは、The Encyclopedia of Domains（TED）における3,796のスーパーファミリーについて467万件の新たな割り当て候補を生成し、従来の構造ベース手法を超えてアノテーション範囲を拡大した。
https://doi.org/10.64898/2026.08.28.747864