DeepSecE: Uma Estrutura Baseada em Aprendizado Profundo para Predição Multiclasse de Proteínas Secretadas em Bactérias Gram-Negativas

As proteínas secretadas por bactérias Gram-negativas estão intimamente ligadas à virulência e capacidade de adaptação desses micróbios às mudanças ambientais. A identificação precisa de tais proteínas secretadas pode facilitar investigações sobre infecções e doenças causadas por esses patógenos bacterianos. No entanto, os métodos bioinformáticos atuais para prever proteínas de substrato secretadas por bactérias têm eficiência computacional limitada e escopo de aplicação em escala genômica. Aqui, propomos uma nova estrutura baseada em aprendizado profundo - DeepSecE - para a inferência simultânea de múltiplos grupos distintos de proteínas secretadas produzidas por bactérias Gram-negativas. DeepSecE melhora notavelmente a classificação delas em relação às proteínas não secretadas usando um modelo de linguagem de proteína pré-treinado e um transformador, alcançando uma precisão média macro de 0,883 em validação cruzada de 5 dobras. A avaliação de desempenho sugere que o DeepSecE atinge um desempenho competitivo com preditores binários de última geração especializados em tipos individuais de substratos secretados. O mecanismo de atenção corrobora padrões e motivos salientes nos terminais N ou C das sequências de proteínas. Usando este pipeline, investigamos ainda a previsão em escala genômica de novas proteínas secretadas e sua distribuição taxonômica em ~1.000 genomas de bactérias Gram-negativas. A presente análise demonstra que o DeepSecE tem um grande potencial para a descoberta de proteínas secretadas associadas a doenças em uma ampla gama de bactérias Gram-negativas. Um servidor web online do DeepSecE também está disponível publicamente para prever e explorar várias proteínas de substrato secretadas por meio da entrada de sequências de genoma bacteriano.