SaltySought: Enfoques de aprendizaje automático y redes neuronales profundas para identificar y explicar péptidos salados

Los péptidos salados permanecen poco explorados en la investigación de péptidos activos en el gusto, con la mayoría de los estudios centrados en péptidos umami y dulces. La investigación existente examina principalmente péptidos individuales en lugar de adoptar un enfoque sistemático. Para abordar esto, proponemos SaltySought, una plataforma en línea que integra aprendizaje automático y aprendizaje profundo para la clasificación de péptidos salados. Nuestro marco emplea extracción de características de alta dimensión (ESM, AAC, CTD, GAAC) para representar de manera integral las secuencias peptídicas. La selección de características se realizó utilizando Random Forest, XGBoost y Extra Trees, refinando las características más informativas antes del entrenamiento del modelo. Las características seleccionadas se utilizaron posteriormente para evaluar sistemáticamente seis modelos, alcanzando CNN1D el mejor rendimiento (AUC-ROC 0.88). Finalmente, se aplicó el análisis SHAP para interpretar las decisiones del modelo, revelando que la corta longitud del péptido, PRAM900101, PONP930101 y la accesibilidad al solvente determinan conjuntamente la percepción de la salinidad. Estos hallazgos apoyan el desarrollo de alimentos funcionales bajos en sodio mediante la integración de identificación peptídica impulsada por IA, incrustaciones de aprendizaje profundo y técnicas de explicabilidad de características, mejorando las estrategias de formulación alimentaria.