Aceleración de la predicción de péptidos antivirales utilizando descriptores multiperspectivos ponderados basados en algoritmos genéticos con redes profundas auto normalizadas

Área de la Ciencia:

• Biología computacional
• La bioinformática
• Descubrimiento de drogas

Sus antecedentes:

• Las enfermedades virales representan un desafío significativo para la salud mundial a pesar de los medicamentos antivirales existentes.
• Los péptidos antivirales (AVP) se muestran prometedores como nuevos agentes terapéuticos.
• Los métodos tradicionales para identificar AVP son ineficientes y carecen de conocimientos profundos sobre la secuencia.

Objetivo del estudio:

• Desarrollar un modelo computacional preciso y eficiente para predecir los péptidos antivirales (AVP).
• Para superar las limitaciones de los métodos tradicionales de identificación de AVP que requieren mucha mano de obra y son costosos.
• Mejorar la comprensión de los mecanismos de péptidos en el desarrollo de fármacos antivirales.

Principales métodos:

• Utilizado ProtGPT2 para las incorporaciones de péptidos contextuales y las transformaciones de secuencia a imagen (SMR, RECM).
• CLBP aplicado para la descomposición local de la imagen y la evolución diferencial para la formación de vectores de características.
• Se empleó un enfoque híbrido MRMD + SFLA para la selección óptima de características.
• Desarrolló una nueva red de cápsulas auto normalizadas (Sn-CapsNet) para la predicción.

Principales resultados:

• Logró una precisión predictiva superior del 97.36% para AVPs.
• Superó a los predictores existentes en aproximadamente un 12% con un AUC de 0,98.
• Demostró una sólida generalización en un conjunto de datos independiente con una mejora del 8% con respecto a los modelos anteriores.

Conclusiones:

• El modelo TargetAVP-DeepCaps ofrece una herramienta altamente precisa y eficiente para la predicción de AVP.
• Este enfoque computacional acelera el descubrimiento y desarrollo de terapias antivirales basadas en péptidos.
• Proporciona un recurso valioso para comprender los mecanismos de los péptidos y sus aplicaciones en el descubrimiento de fármacos.