《Computational Biology and Chemistry》：Amino acid sequence-based IDR classification using ensemble machine learning and quantum neural networks
編輯推薦：
在蛋白質研究中，傳統的 Uversky plot 等方法難以準確區分蛋白質的無序區域（IDRs）和有序區域。研究人員整合機器學習（ML）、深度神經網絡（DNN）和量子神經網絡（QNN）開展研究，構建的元模型分類準確率達 0.85，為蛋白質研究提供了新方法。
在蛋白質的奇妙世界里，蛋白質的結構與功能一直是科學家們深入探索的核心領域。其中，準確預測和分類蛋白質中的內在無序區域（Intrinsically Disordered Regions，IDRs）至關重要。IDRs 在正常生理條件下缺乏穩定的三維結構，卻在信號傳導、調控和分子識別等眾多關鍵生物學過程中發揮著不可或缺的作用 。
然而，傳統的研究方法卻面臨著諸多困境。以廣泛使用的 Uversky plot 為例，它僅依賴于疏水性和凈電荷這兩個特征來識別內在無序蛋白質（Intrinsically Disordered Proteins，IDPs）。這種簡單的判斷方式，在面對復雜的蛋白質序列時，就顯得力不從心了，無法精準地對 IDRs 進行分類。后續雖然發展出了像 PONDR（利用神經網絡）和 DISOPRED（運用支持向量機）這樣更先進的方法，但它們在探究區分 IDRs 和有序區域的關鍵特征相互作用方面，依舊存在明顯的不足，也常常忽視特征之間的層級和并行交互關系。因此，開發更有效的方法來實現精準的 IDR 分類，成為了蛋白質研究領域亟待解決的重要問題。
為了突破這一困境，來自國外的研究人員踏上了探索之路。他們開展了一項極具創新性的研究，旨在通過整合機器學習（Machine Learning，ML）、深度神經網絡（Deep Neural Networks，DNN）和量子神經網絡（Quantum Neural Networks，QNN），提升 IDR 分類的準確性，并挖掘氨基酸序列中的關鍵特征相互作用。研究成果發表在《Computational Biology and Chemistry》上，為蛋白質科學的發展注入了新的活力。
研究人員在這項研究中運用了多種關鍵技術方法。首先，從 DisProt 數據庫獲取原始數據集，該數據集包含 7980 個蛋白質序列。為解決類別不平衡問題，對數據進行下采樣處理，最終得到 2296 個序列，并將其分為用于模型訓練和驗證的 1596 個序列，以及作為獨立測試集的 700 個序列 。然后，從氨基酸序列中提取生物物理特征，如電荷分布、疏水性和結構特性等，為后續的模型預測提供數據支持。最后，構建集成了 ML、DNN 和 QNN 的元模型，利用不同模型的優勢進行 IDR 分類。
研究人員通過一系列研究得出了許多重要結論。在數據集方面，經過處理后的數據為后續研究奠定了良好基礎。在模型構建與性能評估上，研究構建的元模型展現出了強大的能力，其分類準確率達到了 0.85，這一成績超越了單個分類器。深入探究發現，在 IDR 分類中，埋藏氨基酸（Buried amino acids）起著關鍵作用，同時，標度疏水性（Scaled hydrophobicity）與大的、埋藏的和帶電荷的氨基酸之間的相互作用也意義重大。ML 在其中主要負責捕捉獨立特征，DNN 專注于捕捉特征之間的相互作用，而 QNN 則用于模擬特征之間的高階依賴關系和非線性多變量關系。
這項研究成果具有重要意義。從方法學角度看，它創新性地將 QNN 應用于 IDR 分類，展示了 QNN 在生物信息學領域的巨大潛力，為后續研究開辟了新的方向。從研究深度上，對埋藏氨基酸以及特定氨基酸相互作用的發現，深化了人們對蛋白質無序區域特征的理解。整體而言，該研究為計算蛋白質科學的發展提供了堅實的理論和方法支持，有助于推動蛋白質功能在各種生物學背景下的研究，讓人們朝著更深入理解蛋白質奧秘的目標又邁進了一步。
