인산화단백질체학을 위한 InstaNovo-P
인산화는 세포 신호 전달 및 질병 메커니즘에 필수적인 번역 후 변형(PTM)이다. 질량 분석 기반 인산화단백질체학은 인산화 이벤트를 전사적으로 특성화하는 데 널리 사용되지만, 인산화 부위의 정확한 위치 파악, 복잡한 검색 공간, 그리고 참조 데이터베이스 외 서열 검출에 어려움이 있다. 기존 방법의 한계를 극복하기 위해, 새로운 펩타이드 서열 분석(de novo peptide sequencing) 기술의 발전이 요구된다. 본 연구에서는 이러한 한계를 해결하고자 트랜스포머 기반 InstaNovo 모델의 인산화 특이적 버전인 InstaNovo-P를 개발했다. InstaNovo-P는 광범위한 인산화단백질체학 데이터셋으로 미세 조정되었으며, 복잡한 실험 시나리오를 포함한 여러 데이터셋에서 인산화 펩타이드 검출 및 인산화 부위 위치 파악 정확도 면에서 기존 방법을 크게 능가한다. 이 모델은 단일 및 다중 인산화 부위를 가진 펩타이드를 강력하게 식별하고, 세린, 트레오닌, 티로신 잔류물에서 인산화 이벤트를 효과적으로 국소화한다. FGFR2 신호 전달 연구를 통해 모델 예측을 실험적으로 검증한 결과, InstaNovo-P는 기존 데이터베이스 검색에서 놓쳤던 인산화 부위를 밝혀냈다. 이러한 예측은 중요한 생물학적 과정과 일치하며, 모델이 가치 있는 생물학적 통찰력을 제공할 수 있음을 확인했다. InstaNovo-P는 사전 정보 없이 생물학적으로 관련된 인산화 이벤트를 효과적으로 식별함으로써 인산화단백질체학 실험에 가치를 더하며, 신호 전달 경로 분석을 위한 강력한 분석 도구를 제공한다.