Une approche automatisée par arbre de décision pour prédire les points chauds d'interaction protéique

Les interactions protéine-protéine peuvent être modifiées en mutant un ou plusieurs "points chauds," le sous-ensemble de résidus qui représente la majeure partie de l'énergie libre de liaison de l'interface. L'identification des points chauds nécessite un effort expérimental significatif, mettant en évidence la valeur pratique des prédictions de points chauds. Nous présentons deux modèles basés sur des connaissances qui améliorent la capacité à prédire les points chauds : K-FADE utilise des caractéristiques de spécificité de forme calculées par le programme Fast Atomic Density Evaluation (FADE), et K-CON utilise des caractéristiques de contact biochimiques. Le modèle combiné K-FADE/CON (KFC) affiche une meilleure précision prédictive globale que le scan alanine computationnel (Robetta-Ala). De plus, comme ces méthodes prédisent différents sous-ensembles de points chauds connus, un grand et significatif accroissement de précision est obtenu en combinant KFC et Robetta-Ala. L'analyse KFC est appliquée à l'interface calmoduline (CaM)/kinase de chaîne légère de myosine lisse (smMLCK), et à l'interface protéine morphogénétique osseuse-2 (BMP-2)/récepteur type I de BMP (BMPR-IA). Les résultats indiquent une forte corrélation entre les prédictions de points chauds KFC et les mutations qui réduisent significativement l'affinité de liaison de l'interface.