Identificación de los alérgenos de las proteasas microbianas a través de la homología guiada por el modelo de...

Área de la Ciencia:

• Microbiología Microbiología.
• Inmunología Inmunología.
• La bioinformática es la bioinformática.

Sus antecedentes:

• Investigaciones emergentes implican el intestino, la piel y los microbiomas orales en enfermedades alérgicas.
• Las serina proteasas (SP) son cada vez más reconocidas como alérgenos potenciales dentro de estas comunidades microbianas.

Objetivo del estudio:

• Desarrollar y aplicar modelos de aprendizaje profundo para identificar SPs alergénicos en datos metagenómicos.
• Para descubrir nuevos alérgenos candidatos en el microbioma humano.

Principales métodos:

• Se utilizaron modelos de lenguaje de proteínas preentrenados (pLM) para identificar los residuos catalíticos de serina en las hidrolasas de serina.
• Desarrolló un marco de aprendizaje profundo para detectar alérgenos SP a través de catálogos de genes utilizando tríadas catalíticas conservadas.
• Validación de alérgenos predichos a través de la inmunización experimental en un sistema modelo.

Principales resultados:

• Se identificó con éxito el residuo catalítico de serina, lo que demuestra la capacidad de los pLM para capturar información estructural.
• Predijo un alérgeno putativo de SP similar a la proteasa V8 y una proteasa cisteína parecida a Derf 1.
• La validación experimental confirmó el potencial alergénico de las proteasas identificadas, induciendo respuestas alérgicas.

Conclusiones:

• El enfoque de aprendizaje profundo identifica efectivamente las nuevas serinas proteasas alergénicas en los datos metagenómicos.
• Este método expande el alcance del descubrimiento de alérgenos más allá de las técnicas tradicionales.
• Los alérgenos candidatos identificados proporcionan nuevos objetivos para la comprensión y el manejo de las alergias.