Predicción de interacciones proteína-compuesto bacterianas con solo muestras positivas

Área de la Ciencia:

• Bioquímica y Bioinformática
• Biología Computacional
• Descubrimiento de Fármacos

Sus antecedentes:

• La predicción precisa de interacciones compuesto-proteína (CPI) es vital para aplicaciones farmacéuticas y de ingeniería química.
• Los modelos CPI existentes son inadecuados para sistemas bacterianos debido a la falta de datos de interacciones negativas.
• Las interacciones de la citocromo P450 (CYP) bacteriana son de particular interés.

Objetivo del estudio:

• Desarrollar un marco novedoso para predecir interacciones compuesto-proteína (CPI) bacterianas.
• Abordar el desafío de las muestras negativas limitadas en la predicción de CPI bacterianas.
• Mejorar la precisión y aplicabilidad de los modelos de aprendizaje profundo para la predicción de CPI en bacterias.

Principales métodos:

• Se propuso un marco de aprendizaje positivo-no etiquetado (PU) llamado BIN-PU.
• Se implementó una estrategia para generar pseudo-etiquetas positivas y negativas a partir de interacciones positivas conocidas.
• Se desarrolló una función de pérdida positiva ponderada para priorizar las muestras verdaderamente positivas.
• Se validó BIN-PU con varios modelos de base CPI en datos de CYP bacterianos.

Principales resultados:

• BIN-PU demostró un rendimiento superior en la predicción de CPI utilizando solo muestras positivas en comparación con los modelos PU existentes.
• El marco mostró reproducibilidad en diversos conjuntos de datos de proteínas bacterianas, incluidos los CYP humanos y datos no curados.
• La validación experimental confirmó la precisión de las predicciones de CPI de BIN-PU para datos de CYP no curados.

Conclusiones:

• BIN-PU ofrece un avance significativo para predecir interacciones compuesto-proteína (CPI) bacterianas.
• El marco mejora el poder predictivo de los modelos de aprendizaje profundo en tareas de interacción biológica.
• BIN-PU abre nuevas vías para la investigación en el descubrimiento de fármacos y la biocatálisis que involucran proteínas bacterianas.