PredLLPS_PSSM:一种基于进化信息和深度神经网络的液态-液态蛋白质分离识别的新型预测器

科学领域:

• 生物化学 生物化学
• 分子生物学分子生物学
• 计算生物学 计算生物学

背景情况:

• 液-液相分离 (LLPS) 对细胞组织和生物过程,包括癌症病理学至关重要.
• 蛋白质的固有障碍和结构多样性使LLPS的研究和预测变得复杂.
• 准确识别LLPS蛋白质对于理解它们在细胞功能和疾病中的作用至关重要.

研究的目的:

• 开发一种新且准确的预测器,用于识别经历液态相分离 (LLPS) 的蛋白质.
• 为LLPS蛋白质预测利用序列进化信息,解决蛋白质疾病带来的挑战.
• 提供一种工具,增强LLPS在生物系统和疾病中的研究.

主要方法:

• 从多个数据库中收集并策划了一组可靠的LLPS蛋白质数据集.
• 开发了PredLLPS_PSSM,这是一个预测器,将位置特定得分矩阵 (PSSM) 信息与深度学习框架集成在一起.
• 将基于PSSM的功能与文字嵌入技术进行比较,以获得最佳的预测器性能.

主要成果:

• 在多个独立测试数据集上,PredLLPS_PSSM与现有最先进的方法相比,表现优越.
• 该预测因子的有效性在实验识别的来自昆虫的LLPS蛋白质上得到了验证,这些蛋白质并未包含在训练数据中.
• 沙普利添加剂的拓展和热图分析确定了参与LLPS的关键氨基酸.

结论:

• PredLLPS_PSSM提供了一种强大的,基于序列的方法来识别LLPS蛋白.
• 该预测器有助于研究LLPS的生物学作用和疾病影响.
• 序列进化信息是预测LLPS蛋白质行为的一个有价值的特征.