Vorhersage der Proteinfunktion mit Genontologie: von traditionellen zu Deep-Learning-Modellen

Die Vorhersage der Proteinfunktion ist ein entscheidender Teil der Genomanalyse. Die Vorhersagemethoden haben kürzlich aufgrund des Auftretens von Hochdurchsatz-Sequenzierungstechnologien eine rasante Entwicklung erfahren. Unter den verfügbaren Datenbanken zur Identifizierung von Proteinfunktionsbegriffen ist die Genontologie (GO) eine wichtige Ressource, die die funktionalen Eigenschaften von Proteinen beschreibt. Forscher wenden verschiedene Ansätze an, um die GO-Begriffe effizient vorherzusagen. In der Zwischenzeit zeigt Deep Learning, eine sich schnell entwickelnde Disziplin im datengesteuerten Ansatz, ein beeindruckendes Potenzial hinsichtlich der Zuordnung von GO-Begriffen zu Aminosäuresequenzen. Hier haben wir die derzeit verfügbaren rechnergestützten GO-Annotationsmethoden für Proteine überprüft, die von konventionellen bis zu Deep-Learning-Ansätzen reichen. Darüber hinaus haben wir einige geeignete Prädiktoren aus den überprüften Werkzeugen ausgewählt und einen kleinen Vergleich ihrer Leistung unter Verwendung eines weltweiten Herausforderungsdatensatzes durchgeführt. Schließlich haben wir die verbleibenden wichtigen Herausforderungen auf diesem Gebiet erörtert und die zukünftigen Richtungen für die Vorhersage der Proteinfunktion mit GO hervorgehoben.