PepBAN: Un marco de aprendizaje profundo con atención bilineal y aprendizaje adversario para la predicción de la...

Área de la Ciencia:

• Biología computacional
• La bioquímica
• Descubrimiento de drogas

Sus antecedentes:

• Las interacciones péptido-proteína (PepPIs) son vitales para las terapias y las vacunas.
• La predicción computacional de los PepPI es un desafío debido a los limitados datos de afinidad estructural y de unión.
• Los modelos existentes luchan con la generalización y las nuevas estructuras de péptidos, como los péptidos cíclicos.

Objetivo del estudio:

• Desarrollar un marco robusto de aprendizaje profundo, PepBAN, para una predicción precisa de la interacción péptido-proteína.
• Mejorar la generalización del modelo a través de diversos objetivos de proteínas, especialmente con datos de unión escasos.
• Permitir la interpretación de los mecanismos de PepPI y abordar los desafíos en las interacciones cíclicas de péptidos.

Principales métodos:

• Se utilizó el modelo de lenguaje de proteínas ESM-2 para la caracterización de proteínas y péptidos.
• Aprendizaje adversarial de dominio condicional empleado para una mejor generalización.
• Desarrolló una red de atención bilineal (BAN) para modelar las interacciones locales e identificar los residuos clave.
• Incorpora un enfoque de gráfico molecular con resolución atómica para péptidos cíclicos con aminoácidos no canónicos.

Principales resultados:

• PepBAN superó significativamente los modelos de última generación en los conjuntos de datos de referencia.
• Se ha demostrado un rendimiento superior en la predicción de las interacciones cíclicas péptido-proteína.
• Demostró la capacidad de interpretar los mecanismos de interacción a través del análisis del peso de la atención.
• Manejo exitoso de aminoácidos no canónicos en péptidos cíclicos, una limitación clave de los métodos anteriores.

Conclusiones:

• PepBAN ofrece una solución de aprendizaje profundo potente e interpretable para la predicción de la interacción péptido-proteína.
• El marco promueve el desarrollo de terapias y vacunas basadas en péptidos.
• PepBAN proporciona una clara ventaja en la exploración del espacio químico de los péptidos cíclicos para el descubrimiento de fármacos.