DephosNet: Uma Nova Abordagem de Aprendizado por Transferência para Predição de Locais de Desfosforilação

A desfosforilação de proteínas é o processo de remoção de grupos fosfato das moléculas de proteína, que desempenha um papel vital na regulação de vários processos celulares e nas complexas redes de sinalização de proteínas. A identificação e previsão de locais de desfosforilação são cruciais para este processo. Anteriormente, havia uma falta de modelos eficazes de aprendizado profundo para prever esses locais, frequentemente resultando em resultados subótimos. Neste estudo, introduzimos uma estrutura de aprendizado profundo conhecida como “DephosNet”, que aproveita o aprendizado por transferência para aprimorar a predição de locais de desfosforilação. O DephosNet emprega entradas sequenciais de janela dupla que são incorporadas e, subsequentemente, processadas por meio de uma série de arquiteturas de rede, incluindo camadas ResBlock, Multi-Head Attention e BiGRU. Ele gera previsões tanto para a probabilidade de locais de desfosforilação quanto para a de fosforilação. O DephosNet é previamente treinado em um conjunto de dados de fosforilação e, em seguida, ajustado nos parâmetros com um conjunto de dados de desfosforilação. Notavelmente, o aprendizado por transferência melhora significativamente o desempenho do DephosNet no mesmo conjunto de dados. Resultados experimentais demonstram que, quando comparado com outros modelos de ponta, o DephosNet supera-os em ambos os conjuntos de testes independentes para fosforilação e desfosforilação.