Previsione dell'apprendimento automatico delle proteine di scambio di domini 3D nelle piante medicinali

Aakanksha Pandey; Atul Kumar Upadhyay

doi:10.3791/68519

Articolo metodologico

Previsione dell'apprendimento automatico delle proteine di scambio di domini 3D nelle piante medicinali

DOI:

10.3791/68519

⸱

15 agosto 2025

Aakanksha Pandey¹ , Atul Kumar Upadhyay¹

¹Thapar Institute of Engineering and Technology

In questo articolo

Sommario

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Questo studio esamina le proteine coinvolte o che si prevede siano coinvolte nello scambio di domini 3D da vari genomi di piante medicinali. Impiega modelli di apprendimento automatico per prevedere con precisione le proteine 3D che scambiano dominio e anticipare le loro funzioni e la loro rilevanza per la produzione di metaboliti secondari.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Lo scambio di domini 3D è un fenomeno strutturale proteico in cui due o più subunità proteiche si scambiano subunità strutturali identiche e formano oligomeri. Le proteine che mostrano lo scambio di domini 3D svolgono un ruolo cruciale in varie funzioni biologiche, come la biosintesi dei metaboliti secondari e nel far fronte a diversi stress biotici e abiotici nelle piante medicinali. Questo studio indaga la capacità di prevedere modelli di scambio di domini 3D tra i genomi delle piante medicinali utilizzando modelli casuali di classificazione di foreste e K-nearest neighbor, dimostrando precisioni rispettivamente del 91,6% e dell'88,7%. Si prevede che un totale di 420 (31%) sequenze siano presumibilmente coinvolte nello scambio di domini 3D. È stata inoltre condotta un'indagine sull'arricchimento delle sequenze proteiche 3D scambiate in 3D da varie piante medicinali per l'annotazione delle funzioni basata sui termini dell'ontologia genica (GO), sull'analisi delle vie dell'Enciclopedia dei geni e dei genomi (KEGG) di Kyoto e sulla loro distribuzione dei domini nelle vie di biosintesi dei metaboliti secondari. L'annotazione funzionale delle sequenze previste deduce che le sequenze scambiate di dominio 3D erano coinvolte in diverse funzioni molecolari come il trasporto fotosintetico di elettroni nel sistema fotografico II e i trasportatori di elettroni, il trasferimento di elettroni all'interno della via di trasporto ciclico degli elettroni dell'attività fotosintetica, la fosforilazione ossidativa e la regolazione genica degli stress ambientali (biotici e abiotici) sintetizzando metaboliti secondari (terpenoidi, alcaloidi e poliammine). Questi risultati sottolineano la capacità dell'apprendimento automatico di prevedere il coinvolgimento delle proteine nel fenomeno dello scambio di domini 3D, la loro rispettiva funzione e il loro potenziale per facilitare la scoperta di farmaci e le iniziative di bioingegneria.

Introduzione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

I metodi computazionali hanno rivoluzionato la ricerca sulle proteine consentendo analisi dettagliate e previsioni sulle strutture, le funzioni e le interazioni delle proteine. L'identificazione e l'annotazione precise delle funzioni delle proteine sono essenziali per svelare i meccanismi molecolari della vita e rivestono una profonda importanza per i progressi nella medicina e nello sviluppo di farmaci. Tuttavia, la complessità intrinseca e il costo dei metodi sperimentali limitano la loro scalabilità per accogliere i dati di grandi sequenze. Di conseguenza, lo sviluppo di metodi computazionali per la previsione della funzione delle proteine è emerso come un'area fon....

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

NOTA: Questo segmento fornisce una descrizione completa della metodologia suggerita, che comprende sei fasi principali: (a) raccolta dei dati, (b) selezione delle caratteristiche, (c) pre-elaborazione dei dati, (d) post-elaborazione dei dati (e) sviluppo del modello (f) valutazione dei risultati del modello proposto e, (g) analisi dell'arricchimento a diversi livelli di sequenze previste positivamente. Il Core i5-10500 è un processore di 10a generazione che è stato utilizzato in questo lavoro di ricerca. Il processore dispone di sei core e 12 thread, con una frequenza di base di 3,10 GHz e una velocità turbo massima di 4,50 GHz. È dotato di 12 MB di Intel Smart Cache,....

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Le proteine che mostrano lo scambio di domini 3D sono spesso collegate a una varietà di funzioni biologiche. Tuttavia, un'analisi sistematica dell'intero genoma delle sequenze proteiche coinvolte nello scambio di domini 3D rimane in gran parte inesplorata. In questa ricerca, abbiamo condotto un'indagine iniziale per prevedere in modo putativo le proteine scambiate con domini 3D da 13 piante medicinali, concentrandoci sulla loro associazione con domini di metaboliti secondari, percorsi KEGG e termini di ontologia genica (.......

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La comprensione dello scambio di domini 3D nelle proteine nel loro genoma completo riveste un'importanza significativa in vari campi. Gli approcci di apprendimento automatico, in particolare la foresta casuale e il vicino K più vicino^26,27, sono stati impiegati per prevedere lo scambio di domini 3D direttamente dai dati di sequenza proteica a livello di genoma. Questi due modelli di ML includono vari passaggi come la raccolta di .......

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Gli autori dichiarano di non avere interessi finanziari concorrenti noti o relazioni personali che possano aver influenzato il lavoro riportato in questo articolo.

Ringraziamenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Non è stato ricevuto alcun finanziamento per questa ricerca.

....

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
Nome	Azienda	Commenti
3DSwap+		https://caps.ncbs.res.in/3Dswapplus/index.html
Pfam	EMBL-EBI	http://pfam.xfam.org/:
HMMER	EMBL-EBI	;
Aaindex		https://www.genome.jp/aaindex/:
DIAL	Bioinformaticshome.com	https://bioinformaticshome.com/db/tool/DIAL:
WEKA	L'Università di Wekato	https://www.waikato.ac.nz/int/research/institutes-centres-entities/institutes/artificial-intelligence-institute/research/software/
KEGG		https://www.genome.jp/kegg/ :
ShinyGO		https://bioinformatics.sdstate.edu/go/ :
uniprot	Uniprot	https://www.uniprot.org/ :

https://www.ebi.ac.uk/Tools/hmmer/:

Riferimenti

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Radivojac, P., et al. A large-scale evaluation of computational protein function prediction. Nat Methods. 10 (3), 221-227 (2013).
Bennett, M. J., et al. 3D domain swapping: a mechanism for oligomer assembly. Protein Sci. 4, 2455-2468 (1995).

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

Scambio di domini 3D oligomerizzazione delle proteine Random Forest K Nearest Neighbor annotazione funzionale biosintesi di metaboliti secondari Gene Ontology percorsi KEGG

Previsione dell'apprendimento automatico delle proteine di scambio di domini 3D nelle piante medicinali

In questo articolo

Sommario

Abstract

Introduzione

Protocollo

Risultati

Discussione

Dichiarazioni

Ringraziamenti

Materiali

Riferimenti

Ristampe e permessi

Tag

Articoli correlati