LocPro: Una predicción basada en el aprendizaje profundo de la localización subcelular de proteínas para promover la...

Área de la Ciencia:

• Biología computacional
• La bioinformática
• Descubrimiento de drogas

Sus antecedentes:

• La localización subcelular de proteínas es crítica para el desarrollo de fármacos, influyendo en la identificación de objetivos y estrategias de tratamiento.
• La predicción precisa de la localización de proteínas ayuda en el diseño de sistemas eficaces de administración de fármacos.

Objetivo del estudio:

• Para introducir LocPro, un marco de aprendizaje profundo para predecir la localización subcelular de proteínas.
• Mejorar la precisión y granularidad de las predicciones de localización de proteínas para aplicaciones de desarrollo de fármacos.

Principales métodos:

• Desarrolló LocPro, integrando las representaciones de proteínas de los grandes modelos de lenguaje (LLM) ESM2 y PROFEAT.
• Implementó una arquitectura de red neuronal profunda híbrida que combina CNN, capas FC y bloques BiLSTM.
• Se utilizó un marco de etiquetas múltiples y un conjunto de datos basado en la homología para la formación y la validación.

Principales resultados:

• LocPro demostró un rendimiento superior en la predicción de la localización subcelular de proteínas multietiqueta basada en secuencias en comparación con los métodos existentes.
• Los estudios de caso confirmaron la utilidad práctica del marco en el análisis de la localización subcelular objetivo del fármaco.
• El marco desarrollado ofrece capacidades de predicción de granularidad múltiple.

Conclusiones:

• LocPro proporciona un valioso avance en la predicción de la localización de proteínas, complementando las herramientas existentes.
• El marco tiene implicaciones significativas para acelerar los procesos de descubrimiento y desarrollo de fármacos.
• LocPro es accesible a través de un servidor web para uso público.