Abstract B009: missense-kinase-toolkit: A toolkit to facilitate kinase sequence and structure-based modeling for property predictions
Notice bibliographique
Résumé
Abstract Kinases are a family of proteins that catalyze phosphorylation or the addition of an ATP-derived phosphate group to substrate proteins, lipids, or carbohydrates, which in turn potentiates numerous intracellular signaling cascades. Given the centrality of phosphorylation in growth, proliferation, motility, differentiation, and other essential biological processes, they are among the most frequently targeted proteins in drug discovery with more than 80 small molecules approved in by the U.S. FDA since 1999. Various databases provide kinase-specific sequence, structural, biochemical assay, and clinical alteration data but standardizing these resources poses a non-trivial challenge that requires familiarity with kinases’ unique properties. Here, we introduce an open-sourced, Python-based toolkit, which integrates and harmonizes a variety of resources to produce a single repository of human protein kinase information to facilitate the development of sequence and structure-based machine learning property prediction models. We use this toolkit to finetune ESM-2, a pretrained, transformer-based, masked protein language model, to predict the ATP affinity of both wild-type and mutant kinases in a low-data regime given several structurally and functionally significant sequence representations as inputs. We in turn use this model to generate predictions of the impact on ATP affinity of over 4,000 missense kinase mutations observed in a cohort of cancer patients screened using the MSK-IMPACT gene panel. Finally, we compare our findings to results from other more coarse-grained variant effect prediction algorithms, including the AF2-derived AlphaMissense. This provides a valuable use case for the utility of a well-annotated kinase database in facilitating the development of machine learning models for protein property predictions that can provide insight into the druggability of missense mutant kinases. Citation Format: Jessica White, Wesley Tansey. missense-kinase-toolkit: A toolkit to facilitate kinase sequence and structure-based modeling for property predictions [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Artificial Intelligence and Machine Learning; 2025 Jul 10-12; Montreal, QC, Canada. Philadelphia (PA): AACR; Clin Cancer Res 2025;31(13_Suppl):Abstract nr B009.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,009 |
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 ».