JIZHENG LI CHANGXIN FAN Hoi Ying LAU TIANYUE WU

Résumé

L’identification précise des résidus capables de lier des métaux est essentielle pour l’étude des métalloprotéines, telles que les protéines à doigt de zinc, l’hémoglobine ou la polymérase d’ADN. En raison du coût élevé et du temps considérable requis par les méthodes expérimentales, des approches de prédiction computationnelle ont été largement adoptées. Toutefois, la complexité computationnelle et la rigidité des cadres d’analyse ont limité leur application. Ce travail présente un cadre d’apprentissage profond à deux étapes, fondé sur les séquences, capable de prédire les acides aminés liant le zinc, le fer et le magnésium dans les protéines. Dans la première étape, les séquences tokenisées sont traitées par des réseaux de neurones convolutifs unidimensionnels (CNN) indépendants afin de générer des cartes de probabilité par résidu. Dans la seconde étape, un réseau de fusion léger intègre ces cartes pour modéliser les dépendances entre métaux et affiner les prédictions. Le cadre utilise une fonction de perte sensible aux déséquilibres et une évaluation par ensemble (ensemble evaluation) afin d’améliorer la robustesse. Sa conception agnostique de la structure et modulaire permet un entraînement et une inférence efficaces, le rendant particulièrement adapté à l’annotation à grande échelle du protéome.