VEFill:一种模型,用于在蛋白质域中准确和可概括的深度突变扫描得分计算

科学领域:

• 计算生物学是一种计算生物学.
• 蛋白质工程是一种蛋白质工程.
• 生物信息学是一种生物信息学.

背景情况:

• 深度突变扫描 (DMS) 试验系统地评估氨基酸替代对蛋白质功能的影响.
• 技术限制往往导致DMS数据集中的变体覆盖不完整,阻碍了变体解释.
• 需要计算方法来解决DMS实验中缺少的数据.

研究的目的:

• 开发和验证VEFill,一种机器学习模型,用于归纳缺失的DMS分数.
• 整合多样化的生物特征,以准确的归算.
• 评估VEFill在不同试验类型和数据稀疏性级别的性能.

主要方法:

• 开发了VEFill,这是一个在Human Domainome 1数据集上训练的梯度提升模型.
• 集成功能:ESM-1v序列嵌入,进化保存 (EVE分数),替代矩阵和物理化学描述器.
• 使用R平方和皮尔森相关性评估性能,对未见的蛋白质和不同试验类型进行测试概括.

主要成果:

• 对于DMS得分的归算,VEFill取得了强大的预测性能 (R2 = 0.64,Pearson r = 0.80).
• 在基于稳定性的数据集中对未见的蛋白质进行可靠的概括,在基于活动的测试中表现较差.
• 一个计算效率高的两个特征模型 (ESM-1v嵌入和平均DMS得分) 的性能与完整模型相比.

结论:

• VEFill提供了一个可解释和可扩展的框架,用于赋值DMS得分,特别有效用于以稳定性为重点和稀疏数据场景.
• 该模型有助于系统的突变优先级,并可以帮助设计高效的实验图书馆,用于变异效应研究.
• 虽然有效,但对复杂蛋白质的真实零射击预测仍然是一个挑战.