Plongée approfondie dans les modèles d'apprentissage automatique pour l'ingénierie des protéines

La redéfinition et l'ingénierie des protéines sont devenues des tâches importantes dans la recherche et le développement pharmaceutiques. Les récentes avancées technologiques ont permis une redéfinition efficace des protéines en imitant les étapes naturelles de mutation, de sélection et d'amplification évolutives dans un environnement de laboratoire. Pour une protéine donnée, le nombre de mutations possibles est astronomique. Il est impraticable de synthétiser toutes les séquences ou même d'examiner toutes les variantes fonctionnellement intéressantes. Récemment, l'intérêt pour l'utilisation de l'apprentissage automatique pour assister la redéfinition des protéines a augmenté, car les modèles de prédiction peuvent être utilisés pour dépister virtuellement un grand nombre de nouvelles séquences. Toutefois, de nombreux modèles d'apprentissage automatique à la pointe de la technologie, en particulier les modèles d'apprentissage profond, n'ont pas été largement explorés. De plus, seule une petite sélection de descripteurs de séquences protéiques a été considérée. Dans ce travail, la performance des modèles de prédiction construits en utilisant une gamme de méthodes d'apprentissage automatique et de types de descripteurs de protéines, y compris deux nouveaux descripteurs d'acides aminés simples et un descripteur tridimensionnel basé sur la structure, est évaluée. Les prédictions ont été évaluées sur une collection diverse de jeux de données publics et propriétaires, en utilisant une variété de mesures d'évaluation. Les résultats de cette comparaison suggèrent que les modèles de Convolution Neural Network construits avec des descripteurs de propriétés d'acides aminés sont les plus largement applicables aux types de problèmes de redéfinition des protéines rencontrés dans l'industrie pharmaceutique.