深層学習で植物の防御機構に関与する抵抗性遺伝子を予測する PRGminer

　植物抵抗性遺伝子は、様々な病気や害虫に対する植物の防御システムにおいて極めて重要である。これらの植物特異的遺伝子は、植物に侵入する病原体に関連する特定の分子パターンを識別するタンパク質をコードしている。これらの抵抗性遺伝子が活性化されると、抗菌性化学物質の合成、細胞壁の強化、感染細胞におけるプログラムされた細胞死の誘発などの防御反応の活性化に至る一連の分子プロセスを開始する。植物抵抗性遺伝子は非常に多様であり、いくつかのクラスとサブクラスが広範な植物種で見つかっている。新しい抵抗性遺伝子（Rgenes）の同定は、病害抵抗性育種の重要な要素である。それにもかかわらず、野生種や近縁種の植物のR遺伝子を同定することは困難であるだけでなく、時間もかかる。本研究では、深層学習ベースのハイスループットRgenes予測ツールであるPRGminerを紹介する。PRGminerは2つのフェーズで実装されている：フェーズIは入力タンパク質配列をRgenesまたはnon-Rgenesとして予測し、フェーズIIはフェーズIで予測されたRgenesを8つの異なるクラスに分類する。テストされたすべての配列表現の中で、ジペプチド組成はフェーズIで高いマシューズ相関係数（トレーニング0.98、独立テスト0.91）と最高の予測性能（k-foldトレーニング/テスト手順で98.75％の精度、独立テストで95.72％）を与え、フェーズII（k-foldトレーニング/テスト手順で97.55％の総合精度、独立テストで97.21％）のMCC値はk-foldトレーニング手順で0.93、独立テストで0.92であった。PRGminerは、https://kaabil.net/prgminer/ から自由にアクセスできるウェブサーバーとして利用可能で、https://github.com/usubioinfo/PRGminer からダウンロード可能なスタンドアロンツールとしても利用できる。PRGminerは、研究者が新しい抵抗性遺伝子の発見を加速し、植物の抵抗性の遺伝的基盤を理解し、病気や害虫に抵抗性のある植物を育種するための新しい戦略を開発するのに役立つ。

Help

https://kaabil.net/prgminer/help

Tutorial

https://kaabil.net/prgminer/tutorial

インストール

Github

webサービス

https://kaabil.net/prgminer

Start analysisをクリック。

NCBIやUniprotのタンパク質配列識別子を入力するか、配列を直接貼り付ける。あるいはタンパク質のFASTAファイル（ .fasta, .fa, .txt）をアップロードする。最大ファイルサイズ：10MB

解析フェーズを選択する。
フェーズ1: R遺伝子の検出 (バイナリ分類)
フェーズ2：R遺伝子ファミリーの分類