ESM2_AMP: un marco interpretable para la predicción de las interacciones proteína-proteína y el descubrimiento de...

Área de la Ciencia:

• Biología computacional
• La bioinformática
• Biología estructural

Sus antecedentes:

• La predicción de las interacciones proteína-proteína (IPP) es crucial para comprender los procesos biológicos y la ingeniería de proteínas.
• Los modelos de aprendizaje profundo para la predicción de PPI a menudo carecen de interpretabilidad, lo que dificulta la comprensión de sus procesos de toma de decisiones.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje profundo interpretable para la predicción de la interacción proteína-proteína binaria (IPP).
• Explorar la contribución de las características de segmento de secuencia y su relación con las regiones funcionales en los IPP.

Principales métodos:

• Utilizó el modelo de lenguaje de proteínas ESM2 para extraer características de segmentos de secuencias de aminoácidos.
• Integrado un modelo de transformador para la fusión de características en la predicción de PPI binario.
• Desarrolló dos modelos, ESM2_AMPS y ESM2_AMP_CSE, para analizar los segmentos y las características especiales de los tokens.

Principales resultados:

• El modelo ESM2_AMP demostró fuertes correlaciones entre los segmentos de alta atención y las regiones funcionales conocidas.
• Los pesos de atención capturaron efectivamente información funcional y relacionada con la interacción biológica.
• Validación de la capacidad del modelo para identificar las características clave del PPI y el papel crítico de los dominios funcionales.

Conclusiones:

• El marco ESM2_AMP mejora la interpretabilidad de los modelos de predicción de IPP basados en secuencias.
• Proporciona pruebas biológicas de la función reguladora de las secuencias funcionales en los IPP.
• Ofrece ideas para la optimización de algoritmos y la validación experimental en biología computacional.