在癌症和自闭症谱系障碍中对PTEN错误突变的解码机制使用可解释机器学习方法
Miao Yang1, Jingran Wang1, Ziyun Zhou1
1MOE Key Laboratory of Geriatric Diseases and Immunology, Suzhou Key Laboratory of Pathogen Bioscience and Anti-infective Medicine, Department of Bioinformatics and Computational Biology, School of Life Sciences, Suzhou Medical College of Soochow University, Suzhou, 215213, China.
bioRxiv : the preprint server for biology
|February 3, 2025
概括
研究了与癌症和自闭症谱系障碍 (ASD) 相关的PTEN基因的错误突变. 机器学习和蛋白质动力学揭示了这些突变如何引起明显的细胞变化,有助于理解和潜在地治疗这些疾病.
科学领域:
- 基因组学和生物信息学
- 分子生物学分子生物学
- 计算生物学 计算生物学
背景情况:
- 瘤原蛋白中的误解突变,如PTEN,与癌症和神经发育障碍,如自闭症谱系障碍 (ASD) 相关.
- 了解PTEN突变的基因型-表型相关性至关重要,但其与癌症和ASD双重关联背后的机制仍然不清楚.
- PTEN是一种关键的瘤抑制剂,其失调与各种癌症和神经发育疾病有关.
研究的目的:
- 阐明与癌症和ASD (PTEN癌症/ASD突变) 相关的PTEN突变背后的分子机制.
- 开发一种结合机器学习 (ML) 和结构动态的综合方法,用于预测PTEN-癌症/ASD突变效应.
- 为了确定癌症和ASD之间由PTEN突变驱动的共享分子通路.
主要方法:
- 生物物理和网络生物学签名的综合分析.
- 开发一个具有整合分数的机器学习 (ML) 模型,用于对PTEN-癌症/ASD突变进行分类.
- 模拟分子动力学以调查突变对蛋白质结构和动力学的影响.
主要成果:
- 生物物理和网络分析揭示了PTEN-癌症/ASD突变的复杂的能量和功能格局.
- 开发的ML模型成功地分类和预测了PTEN-癌症/ASD突变,突出了蛋白质动态的作用.
- 分子动力学模拟表明,PTEN-癌症/ASD突变会诱导特定的结构变化,包括P循环变化和域间全调节.
结论:
- 该研究提供了一个可解释的ML模型,与结构动态集成,以增强对PTEN-癌症/ASD突变的理解.
- 蛋白质动态在预测与PTEN突变相关的细胞表型方面发挥着重要作用.
- 鉴定癌症和自闭症之间的共同机制为开发针对PTEN的新型治疗策略提供了潜力.
