AcrTransAct: Pre-trained Protein Transformer Models for the Detection of Type I Anti-CRISPR Activities
Notice bibliographique
Résumé
Clustered Regularly Interspaced Short Palindromic Repeats (CRISPR) and CRISPR-associated (Cas) proteins serve as a formidable defense mechanism for bacteria against foreign DNA; on the other hand, some bacteriophages (phages) and other mobile genetic elements have evolved anti-CRISPR (Acr) proteins to counteract CRISPR-Cas systems and ensure their own survival. Because Acr proteins provide phages with a fitness advantage relative to the bacteria that they infect, accurately identifying Acr proteins that inhibit CRISPR-Cas systems has the potential to significantly and positively impact our ability to harness phages to fight antimicrobial resistance. However, Acr identification is, at present, laborious and involves costly experimental procedures. Existing computational tools for protein-protein interaction (PPI) are not designed to predict complex inhibition, which could be the collective result of multiple PPIs. In this study, we developed a transformer-based deep neural network, AcrTransAct, to predict the probability of Acr-mediated CRISPR-Cas inhibition. Our model comprises two main components: 1. a feature extraction module that incorporates a pre-trained Evolutionary Scale Modeling (ESM) protein transformer and the NetSurfP-3.0 secondary structure prediction system; 2. a classification module that consists of either a convolutional or recurrent neural network. We created an inhibition dataset compiled from two Acr databases, AcrHub [30], Anti-CRISPRdb [5], and several published works [9, 12, 18, 20]. The AcrTransAct model is trained and tested on this dataset. We achieved an accuracy of 95% and an F1 score of 0.95 in predicting the inhibition of I-C, I-E, and I-F CRISPR-Cas systems by Acrs in our dataset. A web application of AcrTransAct (https://acrtransact.usask.ca) is implemented with the best-performing models from this study to predict the probability of multiple CRISPR-Cas systems inhibited by a putative Acr protein. Our code and data are available here: https://github.com/USask-BINFO/AcrTransAct.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».