Combinando información evolutiva y redes neuronales para predecir la estructura secundaria de proteínas

Utilizando la información evolutiva contenida en alineamientos de secuencias múltiples como entrada para redes neuronales, se puede predecir la estructura secundaria con una precisión significativamente mayor. Aquí, ampliamos nuestro sistema previo de redes neuronales de tres niveles mediante el uso de información adicional derivada de alineamientos múltiples. Usar un peso de conservación específico de posición como parte de la entrada aumenta el rendimiento. Utilizar el número de inserciones y eliminaciones reduce la tendencia a la sobrepredicción y aumenta la precisión general. La adición del contenido global de aminoácidos genera una mejora adicional, principalmente en la predicción de la clase estructural. El sistema de red final ha mantenido una precisión general del 71.6% en una prueba de validación cruzada múltiple en 126 cadenas de proteínas únicas. Una prueba en un nuevo conjunto de 124 estructuras de proteínas recientemente resueltas que no tienen similitud de secuencia significativa con el conjunto de aprendizaje confirma el alto nivel de precisión. La precisión promedio validada cruzadamente para las 250 cadenas únicas en secuencia es superior al 72%. Utilizando varios conjuntos de datos, el método se compara con métodos de predicción alternativos, algunos de los cuales también utilizan alineamientos múltiples: la ventaja de rendimiento del sistema de red es de al menos 6 puntos porcentuales en la precisión de tres estados. Además, la red estima el contenido de estructura secundaria a partir de alineamientos de secuencias múltiples casi tan bien como la espectroscopia de dicromatografía circular en una sola proteína y clasifica correctamente el 75% de las 250 proteínas en una de las cuatro clases estructurales de proteínas. De particular importancia práctica es la definición de un índice de fiabilidad específico de posición. Para el 40% de todos los residuos, el método tiene una precisión sostenida de tres estados del 88%, tan alta como la media general para modelado por homología. Otra fortaleza del método es la precisión enormemente aumentada en la predicción de la colocación de segmentos de estructura secundaria.