🔬 DeepFRI란?

2025년 08월 21일

DeepFRI 단백질 기능 예측 잔기 중요도 분석 saliency map GCN LSTM GO term EC number

DeepFRI는 단백질의 기능을 예측하고 동시에 해당 기능에 관여하는 핵심 잔기들을 식별하는 딥러닝 기반 도구입니다. GCN과 LSTM을 결합한 모델 구조로, GO term 및 EC number 예측과 saliency heatmap 출력을 지원합니다.

0%

목차

목차

**DeepFRI(Deep Functional Residue Identification)**는 단백질의 **기능(GO term, EC number)**을 예측하면서, 동시에 그 기능에 관여하는 중요 잔기를 식별할 수 있는 딥러닝 기반 분석 도구입니다.

참고: DeepFRI는 Uniprot와 GO term annotation 데이터를 기반으로 학습되었으며, 미주석 단백질 이나 신규 바이러스 단백질 기능 분석에 유용합니다.

🧪 우리 플랫폼에서 어떻게 제공되나요?

우리 플랫폼에서는 DeepFRI를 서열 및 구조 기반 분석 모두 지원하는 형태로 제공합니다. 단백질 서열과 구조 파일만 업로드하면, 중요한 기능과 관련 잔기 정보를 직관적으로 확인할 수 있습니다.

특히 saliency heatmap과 3D 구조 시각화 기능을 통해, 기능 예측 결과를 실제 구조상 위치와 함께 확인할 수 있습니다.

📝 사용 방법 안내

1. 작업 이름 지정

• 예: DeepFRI_analysis1

2. 입력 방식 선택

• 단백질 구조 파일 (PDB 형식)
• 단백질 서열 (FASTA 또는 plain text)

3. 파라미터 설정

옵션	설명
-ont	사용할 GO ontology 선택 (BP: 생물학적 과정, MF: 분자 기능, CC: 세포 구성 요소)

4. 결과 확인

• 예측된 GO term 및 EC number 리스트
• 각 예측에 대한 prediction score (1에 가까울수록 신뢰도 높음)
• saliency heatmap 및 3D 구조 시각화 결과

Job Name: DeepFRI_analysis1
입력값 예시:
PDB 파일: protein_model.pdb
FASTA: >sp|P12345|...
옵션: -ont MF

🧬 분석 결과 활용 예시

• 신규 단백질 기능 예측: annotation이 부족한 단백질의 기능 탐색
• 돌연변이 영향 분석: 변이가 중요 잔기에 발생했는지 판단 가능
• 신약 개발 초기 연구: 효소 활성 부위 및 상호작용 hotspot 탐색

⚠️ 주의사항

항목	내용
입력 형식	구조는 PDB, 서열은 FASTA/plain text
필수 입력	구조와 서열 모두 필요
분석 시간	평균 수 분, 복잡한 경우 수십 분 소요 가능
해석 유의점	prediction score는 상대적 기준이며, 기능 검증은 추가 실험 필요
권장 사용 방식	단독 사용보다는 보조 도구로 활용 권장 (신뢰도 문제로 인해)

✅ 마무리

DeepFRI는 기능 예측과 동시에 기능 hotspot을 시각적으로 확인할 수 있는 강력한 도구 입니다. Deeprank2, Mutabind2 등의 도구와 비교하거나, DLKcat, RFdiffusion 등과 연계 분석 하여 신뢰도 높은 연구를 진행할 수 있습니다.

지금 바로 DeepFRI 분석 페이지에서 직접 사용해보세요!