Aprendizaje automático de predicción de las proteínas de intercambio de dominio 3D en plantas medicinales

Área de la Ciencia:

• Proteómica y bioinformática
• Biología molecular de las plantas
• Biología estructural

Sus antecedentes:

• El intercambio de dominio 3D es un proceso de oligomerización de proteínas crucial para las respuestas al estrés de las plantas y la biosíntesis de metabolitos secundarios.
• Comprender estos reordenamientos estructurales es vital para la investigación de las plantas medicinales.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para predecir el intercambio de dominios en 3D en genomas de plantas medicinales.
• Anotar funcionalmente las proteínas intercambiadas por dominio 3D predichas e identificar sus funciones en las vías biológicas.

Principales métodos:

• Utilizó clasificadores aleatorios de bosques y vecinos más cercanos para predecir patrones de intercambio de dominios en 3D.
• Se realizó un análisis de enriquecimiento funcional utilizando las vías de la ontología de genes (GO) y la enciclopedia de genes y genomas de Kioto (KEGG).
• Distribución del dominio analizado en las vías de biosíntesis de metabolitos secundarios.

Principales resultados:

• Alcanzó altas precisiones de predicción (91,6% para el Bosque Aleatorio, 88,7% para el Vecino K más cercano).
• Se identificaron 420 (31%) secuencias supuestamente involucradas en el intercambio de dominio 3D.
• Proteínas anotadas involucradas en la fotosíntesis, la fosforilación oxidativa y la regulación de las respuestas al estrés biótico/abiótico a través de la síntesis de metabolitos secundarios.

Conclusiones:

• El aprendizaje automático predice efectivamente el intercambio de dominios 3D y las funciones de las proteínas en las plantas medicinales.
• Las proteínas identificadas con intercambio de dominio 3D juegan un papel clave en la tolerancia al estrés y el metabolismo secundario de las plantas.
• Los hallazgos apoyan las aplicaciones en el descubrimiento de fármacos y la bioingeniería.