Aprendizaje Activo Profundo por Lotes para Modelado de Estructura de Proteínas | JoVE Visualize

Área de la Ciencia:

Biología estructural y bioinformática
Descubrimiento y desarrollo de fármacos computacionales
Aplicaciones de aprendizaje automático en modelado molecular

Sus antecedentes:

La predicción precisa de la estructura molecular es crucial para la investigación farmacéutica y la comprensión de la función de las proteínas.
Los modelos actuales de aprendizaje profundo, aunque avanzados, presentan limitaciones en la predicción de estructuras para moléculas subrepresentadas como los anticuerpos VHH.
La determinación experimental de la estructura consume mucho tiempo y es costosa, lo que hace que la recopilación de datos a gran escala para el entrenamiento de modelos no sea práctica.

Objetivo del estudio:

Desarrollar un método estratégico de selección de datos, DEWDROP, para mejorar el rendimiento de los modelos de predicción de estructuras moleculares mediante el ajuste iterativo.
Abordar el desafío de los dominios moleculares subrepresentados en los conjuntos de datos de entrenamiento existentes optimizando la curación de nuevos datos experimentales.
Permitir un rendimiento superior del modelo con iteraciones y costos reducidos maximizando el contenido de información de las estructuras seleccionadas.

Principales métodos:

Se propuso DEWDROP, un método de selección de aprendizaje activo que utiliza el dropout de Monte Carlo para generar conjuntos de predicción para la selección óptima de datos.
Se empleó un modelo de predicción estructurado, Equifold, basado en representaciones moleculares de grano grueso, independiente de alineaciones de secuencias múltiples.
Se realizaron experimentos retrospectivos de ajuste iterativo y análisis de selección de lotes en anticuerpos VHH (SAbDab-nano) y proteínas de *Mycobacterium leprae* (AlphaFold Protein Database).

Principales resultados:

DEWDROP mejoró significativamente la eficiencia del entrenamiento del modelo a través de la selección optimizada de lotes, superando a los métodos de referencia en el ajuste iterativo.
El método identificó y seleccionó con éxito datos estructuralmente informativos con alto contenido de información, crucial para mejorar la precisión de la predicción.
Se demostró la efectividad y aplicabilidad más amplia de DEWDROP en diferentes dominios moleculares más allá de los anticuerpos VHH.

Conclusiones:

DEWDROP ofrece un enfoque independiente del modelo para la selección estratégica de datos en biología estructural, particularmente beneficioso para familias moleculares subrepresentadas.
La estrategia de aprendizaje activo mejora la eficiencia y la rentabilidad de la mejora de los modelos de aprendizaje profundo para la predicción de estructuras moleculares.
Este método facilita un rendimiento superior del modelo al maximizar el valor de los datos estructurales experimentales recién adquiridos.