Predicting protein-membrane interfaces of peripheral membrane proteins using machine learning

Οι περιφερικές μεμβρανικές πρωτεΐνες αποτελούν βασικά συστατικά σε διάφορες βιολογικές διεργασίες, συμπεριλαμβανομένης της κυτταρικής διαφοροποίησης, του πολλαπλασιασμού και της διακυτταρικής επικοινωνίας. Οι πρωτεΐνες αυτές εμφανίζουν παροδική σύνδεση με τη λιπιδική διπλοστιβάδα και ρυθμίζονται μέσω ποικίλων μηχανισμών ανάλογα με τις ειδικές λειτουργίες τους. Η ακριβής πρόσδεση είναι απαραίτητη για την κυτταρική ομοιόσταση, καθώς η προσκόλληση πρωτεΐνης-μεμβράνης ευθύνεται για την ανάπτυξη πολλών ασθενειών. Η μελέτη τους συχνά δυσχεραίνεται λόγω της εγγενούς δυσκολίας χαρακτηρισμού της διεπιφάνειας πρωτεΐνης-μεμβράνης μέσω πειραματικών τεχνικών. Για τον λόγο αυτό, οι περιοχές πρόσδεσης στη μεμβράνη πολλών περιφερικών μεμβρανικών πρωτεϊνών παραμένουν άγνωστες. Αυτός ο περιορισμός έχει δημιουργήσει την ανάγκη για την ανάπτυξη ισχυρών υπολογιστικών προσεγγίσεων για την πρόβλεψη των διεπιφανειών πρωτεΐνης-μεμβράνης. Ωστόσο, οι τρέχουσες υπολογιστικές προσεγγίσεις συχνά περιορίζονται από χαμηλή ακρίβεια ή υπερβολικό χρόνο επεξεργασίας. Αυτοί οι περιορισμοί, σε συνδυασμό με την έλλειψη δομικών δεδομένων υψηλής πιστότητας, αυξάνουν το κόστος ανάπτυξης μικρομορίων που στοχεύουν στη διεπιφάνεια πρωτεΐνης-μεμβράνης. Για τον εντοπισμό των διεπιφανειών πρωτεΐνης-μεμβράνης, αναπτύχθηκε ένα μοντέλο μηχανικής μάθησης συνόλου (ensemble), το οποίο προβλέπει τα αμινοξέα αλληλεπίδρασης πρωτεΐνης-μεμβράνης. Η εκπαίδευση αυτού του μοντέλου βασίστηκε στην ενοποίηση δύο διακριτών συνόλων δεδομένων. Επιμεληθήκαμε το πρώτο σύνολο δεδομένων, συλλέγοντας χειροκίνητα μέσω μιας εκτενούς ανασκόπησης της πρόσφατης βιβλιογραφίας. To δεύτερο σύνολο δεδομένων έχει δημοσιευθεί στην πρόσφατη βιβλιογραφία και περιλαμβάνει δεδομένα αμινοξέων που προσδένονται στην διεπιφάνεια της μεμβράνης από ένα φάσμα 9 πρωτεϊνικών οικογενειών, παρέχοντας έτσι μια πιο ολοκληρωμένη αναπαράσταση των αλληλεπιδράσεων των αμινοξέων με τις μεμβράνες. Για τις πρωτεΐνες του ενοποιημένου συνόλου δεδομένων, εξαγάγαμε φυσικοχημικούς περιγραφείς αμινοξέων, γεωμετρικά χαρακτηριστικά και ενσωματώσεις (embeddings) από γλωσσικά μοντέλα πρωτεϊνών βασισμένα σε βαθιά μάθηση, με στόχο την αποτύπωση ποικίλων ακολουθιακών και δομικών σημάτων για την εκπαίδευση του μοντέλου. Για την αντιμετώπιση της ανισορροπίας κλάσεων και της έλλειψης πειραματικής επισημάνσεως, επεκτείναμε επίσης τις περιοχές αλληλεπίδρασης πρωτεΐνης–μεμβράνης χρησιμοποιώντας μια απλή στρατηγική διεύρυνσης. Στη συνέχεια, εφαρμόστηκε επιβλεπόμενη εκπαίδευση Μηχανικής Μάθησης με δυαδική ταξινόμηση για την πρόβλεψη των αμινοξέων που αλληλεπιδρούν με τη μεμβράνη. Η υψηλότερη προγνωστική απόδοση παρατηρήθηκε σε ένα μοντέλο εκπαιδευμένο σε μη διευρυμένες πειραματικές επισημειώσεις αμινοξέων με χρήση φυσικοχημικών και γεωμετρικών χαρακτηριστικών, αποδίδοντας Συντελεστή Συσχέτισης Matthews (MCC) 0.558 και βαθμολογία F1 Macro 0.776. Το δεύτερο καλύτερο μοντέλο εκπαιδεύτηκε χρησιμοποιώντας το ενοποιημένο σύνολο δεδομένων με διευρυμένες επισημειώσεις, παράλληλα με ένα σύνολο όλων των διαθέσιμων χαρακτηριστικών. H παρούσα εργασία συνδυάζει πειραματικές επισημειώσεις με διευρυμένες περιοχές διεπιφάνειας και αξιολογεί τη σχέση συμβιβασμού (trade-off) μεταξύ φυσικοχημικών περιγραφέων και διανυσματικών αναπαραστάσεων γλωσσικών μοντέλων πρωτεϊνών.

Authors dc:creator

• Δημητριάδης Σωτήριος
• Dimitriadis Sotirios

• Θετικές Επιστήμες
• Science

Language dc:language

English

Identifier

uoadl:5359801

OAI identifier oai:identifier

oai:lib.uoa.gr:uoadl:5359801