Descubrimiento de péptidos antivirales contra el PRRSV basado en datos utilizando múltiples modelos de aprendizaje...

Área de la Ciencia:

• Bioquímica y Biología Molecular
• Biología Computacional y Bioinformática
• Virología

Sus antecedentes:

• El análisis de redes de proteínas y péptidos es crucial para comprender los procesos biológicos y predecir la antivirulencia.
• Los péptidos antivirales (AVP) muestran capacidades antivirulencia de amplio espectro, pero las bases de datos actuales carecen de suficientes anotaciones precisas.
• El virus del síndrome reproductivo y respiratorio porcino (PRRSV) representa una amenaza significativa, lo que requiere nuevas estrategias terapéuticas.

Objetivo del estudio:

• Examinar proteínas y péptidos expresados diferencialmente en tejidos porcinos sanos versus infectados con PRRSV.
• Predecir nuevos AVP utilizando métodos computacionales de aprendizaje automático (ML) y aprendizaje profundo (DL).
• Identificar posibles terapéuticos AVP contra el PRRSV.

Principales métodos:

• Se empleó proteómica para cuantificar proteínas y péptidos de muestras de pulmón, intestino delgado e intestino grueso.
• Se desarrollaron modelos de aprendizaje automático (ML) y aprendizaje profundo (DL) utilizando características fisicoquímicas como la composición de aminoácidos, la estructura secundaria y la hidrofilicidad.
• Se utilizó una red neuronal de grafos (GNN) de aprendizaje profundo y se comparó con modelos de ML convencionales, incluidos el bosque aleatorio (RF) y la máquina de vectores de soporte (SVM).

Principales resultados:

• La lisina, la arginina y la leucina se identificaron como características predictivas significativas para los AVP.
• El modelo de bosque aleatorio (RF) logró el Área Bajo la Curva (AUC) más alta de 0,95 ± 2, superando a los modelos GNN y SVM (0,94 ± 1).
• Se encontró que la composición de aminoácidos es un factor predictivo clave en la identificación de AVP.

Conclusiones:

• La integración de la proteómica con el modelado computacional identificó con éxito péptidos con potencial antiviral contra el PRRSV.
• El modelo RF demostró una potencia discriminatoria superior para la predicción de AVP.
• Estos hallazgos proporcionan recursos valiosos para la validación experimental y el desarrollo de AVP contra el PRRSV como terapéuticos.