Découverte de nouvelles mutations de gain de fonction guidées par l'apprentissage profond basé sur la structure

Malgré la promesse de l'ingénierie des protéines accélérée par l'apprentissage profond, les exemples de telles protéines améliorées sont rares. Ici, nous rapportons qu'un réseau de neurones convolutionnels 3D entraîné à associer des acides aminés avec des microenvironnements chimiques voisins peut guider l'identification de nouvelles mutations de gain de fonction qui ne sont pas prédites par des approches basées sur les énergies. L'amalgame de ces mutations a amélioré la fonction des protéines in vivo dans trois protéines diverses d'au moins 5 fois. De plus, ce modèle fournit un moyen d'interroger l'espace chimique au sein des microenvironnements protéiques et d'identifier des interactions chimiques spécifiques qui contribuent aux phénotypes de gain de fonction résultant de mutations individuelles.