今回紹介するのは、メタプロテオミクスのペプチド同定を底上げする深層学習ベースのPSMフィルタリング手法「WinnowNet」です。メタゲノム由来の巨大かつ不完全なタンパク質データベースを用いるメタプロテオミクスでは、膨大な候補配列によりPSMフィルタリングが計算的ボトルネックになりやすいという課題があります。WinnowNetはこの難題に対し、PSMの「順序を持たない」性質を考慮して設計されたトランスフォーマー版とCNN版の2系統を用意し、簡単な例から難しい例へ段階的に学習させるカリキュラムラーニングを採用。検索後のPSMを学習的にふるい分けることで、同定感度の向上と信頼性の維持を両立します。

主な結果として、同一のFDR水準で真の同定数を一貫して増やし、Percolator、MS2Rescore、DeepFilterといった先行ツールや一般的な解析パイプラインに組み込まれたフィルタより良好な性能を多様なデータセットで示しました。さらに、腸内マイクロバイオームにおいて食事や健康に関連するバイオマーカーの検出数を増やすことができ、微生物群集機能の解像度向上やパーソナライズド 医療への応用可能性を後押しします。今回の成果は、メタプロテオミクスにおけるPSM選別の効率と精度を同時に引き上げる有望なアプローチであることを示しています。

▶ 論文リンク（外部）