论文解读：《DeepKla：一种基于注意力机制的深度神经网络，用于蛋白质赖氨酸乳酸化位点预测》

文章地址：https://onlinelibrary.wiley.com/doi/full/10.1002/imt2.11
DOI：https://doi.org/10.1002/imt2.11
期刊：iMeta
发布时间：2022 年3月15日
Web在线服务器：http://lin-group.cn/server/DeepKla
GitHub：https://github.com/linDing-group/DeepKla

1.文章概述

作为一种新发现的蛋白质翻译后修饰，赖氨酸乳酸化（Kla）在各种细胞过程中起着举足轻重的作用。高通量质谱法是检测 Kla 位点的主要方法。然而，与计算方法相比，识别 Kla 位点的实验方法通常既耗时又费力。因此，需要开发一种强大的工具来识别 Kla 站点。为此，作者通过结合嵌入层、卷积神经网络、双向门控循环单元和注意机制层，提出了第一个称为 DeepKla 的计算框架，用于水稻中 Kla 位点预测。综合实验结果证明了 DeepKla 出色的预测能力和鲁棒性。基于所提出的模型，建立了一个名为 DeepKla 的网络服务器。

2.背景

赖氨酸乳酸化 (Kla) 是存在于哺乳动物、植物和真菌细胞中的一种新型翻译后修饰 (PTM) 。生化方面，Kla 在赖氨酸残基的 ε 胺基上引入了一个小的乳基，质量为 72.021 Da。越来越多的证据表明，乳酸化与炎症反应、肺纤维化的进展和细胞重编程相关。然而，Kla 在影响细胞过程建立方面的调节作用仍不清楚。
Kla 位点的常规表征是一种基于质量转移的高效液相色谱-串联质谱 (MS/MS) 技术，遵循肽合成和同位素。然而，实验方法的缺点妨碍了对 Kla 位点的蛋白质组范围内的鉴定。因此，需要计算方法来填补实验空白。
据作者所知，没有用于水稻中 Kla 位点识别的计算模型。因此，在本研究中，作者提出了一种新的基于深度学习的模型，名为 DeepKla，以准确识别蛋白质乳酸化位点。作为一种集成的深度学习架构，DeepKla 由四个紧密连接的子网络组成，包括词嵌入层、卷积神经网络 (CNN)、双向门控循环单元 (BiGRU) 和注意机制层。具体来说，嵌入层使用蛋白质序列作为唯一输入自动提取序列特征，从而避免了人为设计导致的有偏差的特征。此外，BiGRU 和注意力机制分别用于从蛋白质序列中捕获远程和关键位置信息。基准实验结果表明，嵌入层和 CNN-BiGRU 注意力机制层生成的鲁棒表示在识别 Kla 位点方面具有很强的预测性能。作者相信，所提出的架构还可以比以前的方法更好地解决其他 PTM 站点识别问题。

3.数据

在这项研究中，从文献中收集了水稻的乳酸化数据作为训练数据。赖氨酸（K）上的注释乳酸化位点被用作阳性数据，而相同的氨基酸不包括来自相同蛋白质的注释乳酸化位点被视为阴性数据。根据使用不同长度窗口的初步评估，将窗口大小设置为 51，以最大限度地提取 Kla 站点信息。为了构建非冗余基准数据集，使用了 CD-HIT 程序，序列相似性阈值为 30%。结果，产生了许多负样本。为了平衡正负数据，作者使用正样本的过采样来保持正负数据的比例为1：1。此外，作者从文献中收集了 273 个灰霉病中的 Kla 数据作为测试数据，以客观地评估所提出的模型。

4.方法

5.结果

6.结论

作者展示了 DeepKla，这是一种易于使用且公开可用的基于深度学习的工具，用于预测水稻中的 Kla 位点。作者在 CNN-BiGRU 注意力机制层之后使用嵌入层来编码和学习蛋白质序列的表示。综合测试显示了 DeepKla 的稳健性。