【原】【深度学习】精准预测脂质结合蛋白无序区域残基的深度学习方法

背景

在生理条件下，很多蛋白都会有部分片段缺乏稳定的三级结构，这种称之为蛋白质内在无序区域（intrinsically disordered regions, IDRs）。有很多研究表明，这些无序区域参与了细胞的很多功能，它会跟蛋白、DNA、RNA、脂质，以及很多小分子发生相互作用。而这些在实验中很少有被注释，基于此发展了很多计算的方法来跨越这个鸿沟。目前这些方法都是集中在发展蛋白结合的无序区域预测，只有一个是DNA和RNA结合无序区域的预测方法，而脂质结合无序区域的方法暂时还没有。加上相比于版本Disprot7.2数据库，最新版本Disprot 8.0增加了50%的脂质结合无序区域的实验注释数据，基于此，Katuwawala等人近期在Bioinformatics发表了首个脂质结合蛋白无序区域的预测方法：DisoLipPred，并提供web server  http://biomine.cs./servers/DisoLipPred/供用户使用。文章的通讯作者Lukasz Kurgan来自弗吉尼亚联邦大学计算机科学系，是一位生物信息学领域的专家，他有过自动化、生物工程、计算机等学科背景的训练。他也在无序蛋白领域开发了很多方法，其中flDPnn在Critical Assessment of Protein Intrinsic Disorder Prediction (CAID)赢得了第一名。

方法

图1提供了方法的流程图，总共包括四个模块，分别是bypass module, sequence profile module, deep neural network and rescaling module. 

图1：DisoLipPred的预测流程图。

首先输入一条蛋白序列，然后过无序蛋白领域最准确的预测器之一SPOT-Disorder，接着过bypass module，这个模块的主要作用是利用现有无序蛋白区域预测非常成功的经验，来直接区分有序和无序，从而将重点放在无序上。

表1：预测与其他分子有相互作用的无序区域所用的sequence profile

中心这部分数字是根据其他预测器得到的sequence profiles，其中一个profile（红色框，包括溶剂可及性ASAquick，二级结构预测，PSIPRED等，具体见表1）用于预测相互作用无序区域而无视相互作用的具体分子；另一个profile（蓝色框，包括ASAquick, PSIPRED,  putative disorder from SPOT-Disorder,还有46个人工经验挑选出来的物化特征，具体见表2）用于DLBRs（disordered lipid-binding residues）。

表2：用于DLBRs所用的profile和物化特征

因为有相互作用的无序区域残基特别多，而与脂质又相互作用的无序区域残基较少，基于此，作者借助于迁移学习，先构建一个partner–agnostic deep network（见图2A），随后将里边的参数冻住，去除最后一层，加了额外的层来训练脂质结合无序区域残基预测（图2B）。

图2：A）partner–agnostic deep network，B）在A的基础上添加的额外的层用于脂质结合无序区域预测。

最后一个模块是rescale，这个模块的做法主要是降低有序区域脂质结合的假阳性，因为最初预测有序的时候是直接利用了SPOT-Disorder。

结果

该方法的主要创新包括引入现已学习，脂质结合的相关特征，还有bypass module。为了评估他们的影响，作者采用了消融实验。评估指标源于confusionmatrix，步骤见表3，结果见表4。可以看到这几个特征对预测还是有显著性贡献的。

 表3：消融实验设置步骤

表4：固定sensitives 和specificities下，DisoLipPred 和其变体有显著性差异（P-value <0.05） 

随后作者跟其他间接性的方法进行比较，并在Saccharomyces cerevisiae proteome做了预测。还评估了膜蛋白，发现DisoLipPred能够很好地区分跨膜区域与脂质结合无序区域。这里介绍作者提供的一个案例-Sec-independent protein translocase protein TatA，见图3。有意思的是N端模型预测成了Lipid结合区域，而实验上也并没有明显证据显示这是有序还是无序区域。随后作者PDB中alignment也没有找到明显的结构片段。随后作者查阅文献发现这可能是一个与细胞膜上脂质结合的区域。预测结果与实验吻合。

图3：TatAprotein的预测结果。

总结

本文介绍了一种用于脂质结合蛋白无序区域预测的深度学习方法，这也是首个脂质结合蛋白无序区域预测的方法，该方法在多个数据集上进行测试得到，模型质量得到验证。相应的web server  http://biomine.cs./servers/DisoLipPred/  供用户使用。

参考文献：

Akila Katuwawala, Bi Zhao and Lukasz Kurgan "DisoLipPred: accurate prediction of disordered lipid-binding residues in protein sequences with deep recurrent networks and transfer learning". Bioinformatics 2022, 38, 115–124.