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

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.