Un marco de aprendizaje profundo para la predicción integral de proteínas humanas que se unen a ARN G-cuádruplex

Área de la Ciencia:

• Biología Computacional
• Biología Molecular
• Bioinformática

Sus antecedentes:

• Las proteínas de unión a G-cuádruplex (G4BP) son vitales para el metabolismo del ARN y las respuestas al estrés celular.
• La identificación experimental de G4BP es un desafío, lo que requiere enfoques computacionales.

Objetivo del estudio:

• Desarrollar y validar un marco de aprendizaje profundo para la predicción de RG4BP (RG4BP).
• Identificar nuevos candidatos a RG4BP dentro del proteoma humano.
• Proporcionar un servidor web fácil de usar para la predicción y el análisis de RG4BP.

Principales métodos:

• Integración de diversas estrategias de codificación y arquitecturas neuronales, incluidas las incrustaciones del modelo de lenguaje de proteínas ESM-2 y una arquitectura LSTM.
• Aplicación del modelo entrenado al proteoma humano para la identificación de candidatos.
• Desarrollo del servidor web G4REP para la predicción accesible de RG4BP.

Principales resultados:

• El modelo de aprendizaje profundo de mejor rendimiento logró una precisión del 86% en la identificación de RG4BP.
• Se identificaron 2160 candidatos a RG4BP de alta confianza en el proteoma humano.
• Se descubrió que muchos candidatos a RG4BP poseen regiones intrínsecamente desordenadas y están enriquecidos en gránulos de estrés, lo que sugiere un vínculo con el estrés celular.

Conclusiones:

• El estudio proporciona un enfoque computacional eficaz para explorar el panorama de los RG4BP.
• Se descubrieron nuevos candidatos a RG4BP y sus posibles funciones en las vías de regulación del ARN y respuesta al estrés.
• El servidor web G4REP facilita el acceso generalizado a las herramientas de predicción y análisis de RG4BP.