塑FP:利用深度学习来预测疟疾寄生虫属中未表征的蛋白质的蛋白质功能

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 寄生虫学的寄生虫学

背景情况:

• 2002年测序的Plasmodium falciparum基因组启动了功能研究,但留下了许多具有未知功能的蛋白质.
• 由于与模型生物体的序列相似性较低,注释Plasmodium蛋白质具有挑战性.

研究的目的:

• 引入等离子体功能预测器 (PlasmoFP),用于注释等离子体蛋白质的深度学习模型.
• 改善Plasmodium蛋白的功能注释,并推进疟疾研究.

主要方法:

• 开发了深度学习模型 (PlasmoFP),用于训练SAR超群蛋白的结构功能关系.
• 集成的认识系统不确定性估计和错误发现率控制.
• 使用手动策划的基因本体学 (GO) 术语和实验性表征蛋白质的验证模型.

主要成果:

• 在19种物种中,减少了未注释的等离子菌蛋白 (没有GO术语) 从15-59%降至3-28%
• 增加了完全注释蛋白质从7-42%增加到36-68%.
• 显著提高了对Plasmodium物种的蛋白质注释准确度.

结论:

• 塑FP有效地增强了Plasmodium蛋白质的功能注释.
• 改进的注释将加速疟疾寄生虫生物学的基础研究.
• 这项工作是全球疟疾研发 (R&D) 的关键组成部分.