Utilisation de la composition des domaines fonctionnels et des machines à vecteurs de support pour la prédiction de la localisation subcellulaire des protéines

Les protéines sont généralement classées dans les 12 localisations subcellulaires suivantes : 1) chloroplaste, 2) cytoplasme, 3) cytosquelette, 4) réticulum endoplasmique, 5) extracellulaire, 6) appareil de Golgi, 7) lysosome, 8) mitochondrie, 9) noyau, 10) peroxysome, 11) membrane plasmique et 12) vacuole. Étant donné que la fonction d'une protéine est étroitement corrélée à sa localisation subcellulaire, avec l'augmentation rapide de nouvelles séquences de protéines entrant dans les banques de données, il est d'une importance vitale, tant pour la recherche fondamentale que pour l'industrie pharmaceutique, d'établir un outil à haut débit pour prédire la localisation subcellulaire des protéines. Dans cet article, un nouveau concept, la "composition des domaines fonctionnels" est introduit. Basé sur ce concept novateur, la représentation d'une protéine peut être définie comme un vecteur dans un espace de haute dimension, où chacun des domaines fonctionnels regroupés dérivés de l'univers des protéines sert de base vectorielle. Avec une telle représentation novatrice pour une protéine, l'algorithme des machines à vecteurs de support (SVM) est introduit pour prédire la localisation subcellulaire des protéines. Des taux de réussite élevés sont obtenus par le test d'auto-consistance, le test jackknife et le test sur jeu de données indépendant, respectivement. L'approche actuelle peut non seulement jouer un rôle complémentaire important par rapport à l'algorithme discriminant covariant puissant basé sur la représentation de la composition pseudo-acide aminé (Chou, K. C. (2001) Proteins Struct. Funct. Genet. 43, 246-255; Correction (2001) Proteins Struct. Funct. Genet. 44, 60), mais peut également grandement stimuler le développement de ce domaine.