Anotación del sitio funcional de la proteína utilizando las incrustaciones de la estructura local

Área de la Ciencia:

• Proteomía
• La bioinformática
• Biología computacional

Sus antecedentes:

• Las bases de datos de proteínas se están expandiendo rápidamente, lo que lleva a muchas proteínas con funciones desconocidas o ambiguas.
• Los métodos actuales de aprendizaje automático luchan por vincular la función global de la proteína con los residuos responsables específicos.

Objetivo del estudio:

• Introducir PARSE (Anotación de proteínas por enriquecimiento específico de residuos), un nuevo método basado en el conocimiento para predecir la función de las proteínas y anotar los sitios funcionales a nivel de residuos.
• Abordar las limitaciones de los métodos actuales para asociar la función global con residuos específicos.

Principales métodos:

• PARSE combina las incrustaciones preentrenadas de entornos estructurales de proteínas locales con técnicas estadísticas.
• Realiza la predicción simultánea de la función global y las anotaciones de nivel de residuo.
• El método se basa en el conocimiento y no requiere capacitación supervisada, lo que permite predicciones de un solo disparo para funciones raras.

Principales resultados:

• Para la predicción de la función catalítica de las enzimas, PARSE logra un rendimiento comparable o superior al de los métodos más avanzados (puntuación F1 ~ 85%).
• PARSE proporciona anotaciones de nivel de residuos significativamente más precisas para las funciones identificadas.
• El método predijo con éxito las metaloproteasas bacterianas del "proteoma oscuro" utilizando estructuras AlphaFold, revelando sitios catalíticos conservados a pesar de la divergencia de secuencia y pliegue.

Conclusiones:

• PARSE ofrece una poderosa herramienta para anotar la función de las proteínas e identificar residuos funcionalmente críticos, especialmente para las proteínas con funciones desconocidas o raras.
• Su capacidad para aprovechar la información estructural local y operar sin capacitación supervisada abre nuevas vías para el descubrimiento de funciones en conjuntos de datos proteómicos a gran escala.
• El método demuestra la utilidad de las representaciones de la estructura local para descubrir nuevas funciones, incluso en proteínas con secuencias y pliegues divergentes.