Correlación débil entre el poder predictivo de patrones de secuencia individuales y la precisión general de la predicción en proteínas

Los patrones en las propiedades de los aminoácidos (polares, hidrofóbicas, etc.) que caracterizan los motivos de la estructura secundaria se derivan de una base de datos que contiene 75 estructuras de proteínas, con el objetivo de evitar las limitaciones debidas al tamaño de la base de datos para aumentar la puntuación de predicción de estructuras. Se encuentran muchas asociaciones secuencia-estructura con alto poder predictivo intrínseco, que resultan ser correctas el 78% de las veces cuando se aplican individualmente a proteínas fuera del conjunto de aprendizaje. Basado en estas asociaciones, se desarrolla un método de predicción, que alcanza una puntuación del 62% en los 3 estados: hélice alfa, hoja beta y lazo, sin utilizar restricciones adicionales. Aunque esta puntuación es bastante buena comparada con la de otros métodos de predicción disponibles, es mucho más baja de lo que se podría esperar del alto poder predictivo intrínseco de las asociaciones utilizadas. Se discuten las razones subyacentes a este sorprendente resultado, que indica que la puntuación de predicción y el poder predictivo intrínseco están débilmente acoplados. También se muestra que el tamaño de la base de datos actual aún limita seriamente las puntuaciones de predicción, incluso cuando se utilizan patrones de propiedades, y que se esperan puntuaciones más altas en bases de datos grandes. Se proporcionan pistas sobre la influencia relativa de descuidar las interacciones espaciales en la eficiencia de la predicción, sugiriendo que, en bases de datos suficientemente grandes, las estructuras secundarias predichas corresponderían a las formadas temprano en el proceso de plegamiento. Esta hipótesis se prueba confrontando las predicciones actuales con datos experimentales disponibles sobre intermediarios de plegamiento temprano de proteínas y sobre pequeños péptidos que adoptan una conformación relativamente estable en agua. Aunque se admite que todavía hay muy pocos datos de este tipo, los resultados sugieren que la hipótesis podría estar bien fundamentada.