Identificación de sitios de succinilación de proteínas mediante un transformador generativo y una representación...

Área de la Ciencia:

• Bioquímica
• Biología Computacional
• Proteómica

Sus antecedentes:

• La succinilación de proteínas es una modificación postraduccional crítica que regula las funciones celulares.
• La identificación precisa de los sitios de succinilación es esencial para comprender los roles de las proteínas y desarrollar terapias dirigidas.

Objetivo del estudio:

• Desarrollar un modelo computacional inteligente, iSucc-SnCNs, para la predicción precisa de sitios de succinilación de proteínas.
• Mejorar el análisis de la función de las proteínas y el descubrimiento de fármacos mediante la identificación mejorada de sitios de succinilación.

Principales métodos:

• Se utilizó ProtGPT2 para la codificación de secuencias de proteínas.
• Se extrajeron características estructurales utilizando matrices SMR y PSSM (SMR-HOG, SMR-DCT, PSSM-DWT).
• Se empleó BTGA+KNN para la selección de características y una red neuronal de cápsulas auto-normalizada (Sn-CapsNet) para la predicción.

Principales resultados:

• Logró una precisión del 92,92 % y un AUC de 0,96 con iSucc-SnCNs.
• Superó a los modelos tradicionales en un 17 % en precisión de predicción.
• Demostró una sólida generalización en conjuntos de datos independientes (Ind-I e Ind-II) con mejoras significativas en el rendimiento.

Conclusiones:

• iSucc-SnCNs proporciona un marco sólido y eficiente para la predicción a gran escala de sitios de succinilación.
• El modelo avanza significativamente el análisis de la función de las proteínas en el contexto del descubrimiento de fármacos.
• Destaca el potencial de los modelos computacionales avanzados en la investigación de modificaciones postraduccionales.