ProDualNet: método de diseño de secuencias de proteínas de doble objetivo basado en un modelo de lenguaje de...

Área de la Ciencia:

• Biología computacional
• Ingeniería de proteínas
• La bioinformática

Sus antecedentes:

• Las proteínas que interactúan con múltiples socios son clave para la regulación biológica.
• Los medicamentos peptídicos multi-objetivo muestran una promesa terapéutica, lo que requiere estrategias de diseño de proteínas multi-objetivo.
• Los métodos actuales de diseño de proteínas se centran principalmente en las interacciones de un solo receptor, lo que limita las capacidades de diseño de doble objetivo.

Objetivo del estudio:

• Introducir ProDualNet, un nuevo método computacional basado en la estructura para diseñar secuencias de proteínas que se unen a dos receptores distintos.
• Abordar el desafío de los datos experimentales limitados para las estructuras de proteínas de doble objetivo.

Principales métodos:

• ProDualNet utiliza una red de gráficos heterogéneos para el entrenamiento previo.
• El modelo se ajusta con precisión utilizando una combinación de datos de objetivo único aumentados por ruido y datos reales de doble objetivo.
• Integra la información de secuencia y estructura de dos receptores objetivo.

Principales resultados:

• ProDualNet demostró un rendimiento superior en la recuperación y las tasas de éxito en comparación con los métodos de diseño multiestado existentes en varios conjuntos de pruebas.
• Las evaluaciones in silico mostraron potencial para el diseño de proteínas de doble objetivo, incluidos los casos con unión alostérica y interfaces no superpuestas.
• El método supera efectivamente las limitaciones planteadas por la escasez de datos estructurales de proteínas de doble objetivo.

Conclusiones:

• ProDualNet representa un avance significativo en el diseño de proteínas computacionales para aplicaciones de múltiples objetivos.
• El método desarrollado es prometedor para acelerar el diseño de nuevas proteínas terapéuticas y productos biológicos.
• La disponibilidad de código y datos facilita la investigación y la aplicación en la ingeniería de proteínas.