Abordagens de aprendizado de máquina para a previsão de peptídeos sinal e outros sinais de classificação de proteínas

A previsão de sinais de classificação de proteínas a partir da sequência de aminoácidos tem grande importância no campo da proteômica hoje. Recentemente, o crescimento de bancos de dados de proteínas, combinado com abordagens de aprendizado de máquina, como redes neurais e modelos ocultos de Markov, tornou possível alcançar um nível de confiabilidade onde o uso prático em, por exemplo, anotação automática de bancos de dados é viável. Nesta revisão, concentramos-nos no status atual e nas perspectivas futuras do SignalP, nosso método baseado em rede neural para previsão do sinal de classificação mais conhecido: o peptídeo sinal secretório. Discutimos os problemas associados ao uso do SignalP em sequências genômicas, mostrando que a previsão de peptídeos sinal melhorará ainda mais se integrada com previsões de códons de início e hélices transmembranais. Como um passo em direção a esse objetivo, uma versão de modelo oculto de Markov do SignalP foi desenvolvida, tornando possível discriminar entre peptídeos sinal clivados e âncoras de sinal não clivadas. Além disso, mostramos como o SignalP pode ser usado para caracterizar peptídeos sinal Putativos de um arqueano, Methanococcus jannaschii. Finalmente, revisamos brevemente alguns métodos para prever outros sinais de classificação de proteínas e discutimos o futuro da previsão de classificação de proteínas em geral.