DeepTMHMM：α-螺旋和 β-桶跨膜蛋白的预测工具详解

DeepTMHMM：α-螺旋和 β-桶跨膜蛋白的预测工具详解

引用

CSDN

1.

https://blog.csdn.net/weixin_41368414/article/details/141075008

DeepTMHMM是一种基于深度学习的跨膜蛋白预测工具，能够以高精度预测α-螺旋和β-桶跨膜蛋白的拓扑结构。本文将详细介绍DeepTMHMM的算法原理、使用方法及结果解读，帮助研究人员更好地利用这一工具进行蛋白质结构预测。

简 介

跨膜蛋白跨越脂质双分子层，分为两种主要结构类，即螺旋状和桶状。DeepTMHMM是一种基于深度学习蛋白质语言模型的算法，可以以前所未有的精度检测和预测α-螺旋和β-桶跨膜蛋白的拓扑。DeepTMHMM可扩展到蛋白质组，并涵盖生命的所有领域，这使其成为宏基因组学分析的理想选择。

在过去的几年中，使用深度学习方法进行蛋白质结构预测已经取得了一些进展。在这个项目中，我们研究了深度学习预测跨膜蛋白的膜拓扑结构。跨膜蛋白与药物开发相关，因为它们占所有人类药物靶点的50%以上。DeepTMHMM是目前预测α-螺旋和β-桶跨膜蛋白拓扑结构最完整、性能最好的方法。该模型通过预训练的语言模型对初级氨基酸序列进行编码，并通过状态空间模型对拓扑进行解码，从而以前所未有的精度产生拓扑和类型预测。DeepTMHMM使扫描全蛋白质组成为可能，以便检测两类跨膜蛋白，我们预计我们的方法对研究界非常有价值。

分析流程

a.考虑的蛋白质类型的蛋白质拓扑结构的状态空间模型。1a顶部为AlphaTM、SP+TM、Glob和SP+Glob拓扑，底部为原核β桶和SP+Glob拓扑。蛋白质序列从n端开始(为了清晰地在图中分开)，在c端结束，箭头表示向其他“区室”的过渡。该模型可以在预先指定的范围内，在每个隔间内停留若干个残差。

b. DeepTMHMM神经网络架构由ESM1-b模型(如图“Embedding”所示)、双向LSTM、带dropout的密集层和最后的CRF解码器层组成。

文件准备

这个输入文件只有一个文件可以是蛋白序列文件，例如：

>GLR1_DROME Glutamate receptor 1 OS=Drosophila melanogaster GN=GluRIA PE=1 SV=2
MHSRLKFLAYLHFICASSIFWPEFSSAQQQQQTVSLTEKIPLGAIFEQGTDDVQSAFKYAMLNHNLNVSSRRFELQAYVDVINTADAFKLSRLICNQFSRGVYSMLGAVSPDSFDTLHSYSNTFQMPFVTPWFPEKVLAPSSGLLDFAISMRPDYHQAIIDTIQYYGWQSIIYLYDSHDGLLRLQQIYQELKPGNETFRVQMVKRIANVTMAIEFLHTLEDLGRFSKKRIVLDCPAEMAKEIIVQHVRDIKLGRRTYHYLLSGLVMDNHWPSDVVEFGAINITGFRIVDSNRRAVRDFHDSRKRLEPSGQSQSQNAGGPNSLPAISAQAALMYDAVFVLVEAFNRILRKKPDQFRSNHLQRRSHGGSSSSSATGTNESSALLDCNTSKGWVTPWEQGEKISRVLRKVEIDGLSGEIRFDEDGRRINYTLHVVEMSVNSTLQQVAEWRDDAGLLPLHSHNYASSSRSASASTGDYDRNHTYIVSSLLEEPYLSLKQYTYGESLVGNDRFEGYCKDLADMLAAQLGIKYEIRLVQDGNYGAENQYAPGGWDGMVGELIRKEADIAISAMTITAERERVIDFSKPFMTLGISIMIKKPVKQTPGVFSFLNPLSQEIWISVILSYVGVSFVLYFVTRFPPYEWRIVRRPQADSTAQQPPGIIGGATLSEPQAHVPPVPPNEFTMLNSFWYSLAAFMQQGCDITPPSIAGRIAAAVWWFFTIILISSYTANLAAFLTVERMVAPIKTPEDLTMQTDVNYGTLLYGSTWEFFRRSQIGLHNKMWEYMNANQHHSVHTYDEGIRRVRQSKGKYALLVESPKNEYVNARPPCDTMKVGRNIDTKGFGVATPIGSPLRKRLNEAVLTLKENGELLRIRNKWWFDKTECNLDQETSTPNELSLSNVAGIYYILIGGLLLAVIVAIMEFFCRNKTPQLKSPGSNGSAGGVPGMLASSTYQRDSLSDAIMHSQAKLAMQASSEYDERLVGVELASNVRYQYSM

在线分析

在线网址DeepTMHMM，在线使用还是非常简单，序列少可以优先选择在线操作。

线上分析对数据量要求有一定局限性：

粘贴序列测试结果：

或者在DeepTMHMM在线分析，结果是一样的。

本地分析

软件包安装

pip3 install pybiolib

测试安装是否成功:

biolib run DTU/DeepTMHMM --help
usage: wrapper.py
       [-h]
       [--fasta FASTA]
       [--N_SLEEP_SECONDS N_SLEEP_SECONDS]
       [--local]
       [--verbose]
WARNING:
Wrong
DeepTMHMM
version
downloaded.
Please use
biolib run 
'DTU/DeepTM
HMM:1.0.24'
optional arguments:
  -h, --help
    show this
    help
    message and
    exit
  --fasta FASTA
  --N_SLEEP_SECONDS N_SLEEP_SECONDS
  --local
    Connect to
    localhost
    monolith
  --verbose
    Connect to
    localhost
    monolith

实际操作

1. 参数说明

--fasta 输入蛋白序列

--local 从终端本地运行，这里需要安装Docker才能使用

其他参数根据自己使用的环境设置。

2. 实际操作命令如下：

测试例子来自在线分析上的一个序列，并且启用预测：

biolib run DTU/DeepTMHMM --fasta test.fa
#2024-08-09 03:44:18,581 | INFO : Extracted zip file to: output/
#2024-08-09 03:44:18,581 | INFO : Done in 4.41 seconds

结果解读

生产文件夹 biolib_results/，里面有很多个文件：

再看一下TMRs.gff3文件：

第一列：序列名称

第二列：预测类型

第三列：起始位置

第四列：终止位置

Reference

Jeppe Hallgren, Konstantinos D. Tsirigos, Mads Damgaard Pedersen, José Juan Almagro Armenteros, Paolo Marcatili, Henrik Nielsen, Anders Krogh, Ole Winther bioRxiv 2022.04.08.487609.