DeepCNF-D: Predicción de regiones de orden/desorden en proteínas mediante Campos Neuronales Convolucionales Profundos Ponderados

Las proteínas o regiones de proteínas intrínsecamente desordenadas están involucradas en procesos biológicos clave, incluyendo la regulación de la transcripción, la transducción de señales y la empalme alternativo. Predecir con precisión las regiones de orden/desorden ab initio a partir de la secuencia de la proteína es un paso necesario para un análisis posterior de las funciones y mecanismos de estas regiones desordenadas. Este trabajo presenta un método de aprendizaje, DeepCNF ponderado (Campos Neuronales Convolucionales Profundos), para mejorar la precisión de la predicción de orden/desorden aprovechando la información secuencial a largo alcance y la interdependencia entre etiquetas de orden/desorden adyacentes, así como asignando diferentes pesos a cada etiqueta durante el entrenamiento y la predicción para resolver el problema del desequilibrio de etiquetas. Evaluado por los objetivos CASP9 y CASP10, nuestro método obtiene valores de AUC de 0.855 y 0.898, que son más altos que los de los mejores predictores ab initio actuales.