研究者らは、タンパク質言語モデルの「ブラックボックス」構造における配列パターンを解釈可能にするため、MotifAEと呼ばれる、スパースオートエンコーダー・アーキテクチャに基づく教師なしフレームワークを開発した。追加された平滑化損失により、既知の機能モチーフの特定性能は、標準的な手法と比べて大幅に向上した。
MotifAEは、短いモチーフに加えて一部の構造ドメインも検出した。特徴の活性は、ドメイン機能における残基の重要度と相関していた。実験データとの対応付けにより、ドメインのフォールディング安定性に関連する特徴と、安定性に特有の適応度地形を予測できるようになった。
なぜ重要か
この研究は、タンパク質言語モデルが生成するパターンを単なる予測結果としてではなく、タンパク質内の機能的・構造的要素と関連付けて調べる機会を提供する。これにより、モデルの特徴と特定の残基の重要度との関連を研究し、モデル出力の生物学的意味をより直接的に評価できるようになる。この手法が短いモチーフだけでなく構造ドメインも識別できることは、解釈が個々の配列断片に限定されないことを示している。実験データとの対応付けは、特にフォールディング安定性に関連する特徴と、それに関係する適応度地形をモデル上で調べられる可能性を示している。しかし、この研究が提示したフレームワークが、どのような異なるタンパク質コンテキストにおいても同程度の説明力を提供できるのかは、依然として明確な研究課題である。