MétaCan
Menu
Retour à la cohorte
Enregistrement W7114907792 · doi:10.1093/bib/bbaf631.068

Prediction of protein binding residues for metal ions, nucleic acids, and small molecules

2025· article· en· W7114907792 sur OpenAlexaff

Notice bibliographique

RevueBriefings in Bioinformatics · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMachine Learning in Bioinformatics
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésSmall moleculeNucleic acidBinding siteCysteineLigand (biochemistry)Protein–protein interactionPython (programming language)PeptidePlasma protein binding

Résumé

récupéré en direct d'OpenAlex

Abstract Background Protein–ligand interactions are central to cellular regulation and therapeutic targeting. Experimental identification of binding residues remains costly and time-consuming, motivating the need for efficient computational approaches. We present an interpretable, XGBoost-based framework for residue-level prediction of protein binding sites specific to three ligand classes—metal ions, nucleic acids, and small molecules—emphasizing predictive accuracy and user accessibility. Methods A benchmark dataset [1] comprising 1314 annotated protein sequences was processed into peptide windows (±5, ±11, ±20 residues) centered on binding sites, maintaining a 1:3 ratio of positive to negative samples. Sequence-derived descriptors were generated using the iLearn toolkit, including amino acid composition (AAC), grouped AAC (GAAC), CTD composition, and BLOSUM62 substitution scores, yielding >8000 features subsequently reduced by feature-importance heuristics. More than 60 classifiers were evaluated; XGBoost consistently achieved superior performance after hyperparameter optimization. Results Independent models trained for each ligand type achieved high predictive power and biological interpretability. For small-molecule binding, the model attained an AUC of 0.99 and F1 of 0.91, with key features involving small residues (G, C, S, A) reflecting steric constraints. The nucleic-acid model reached AUC 0.99 and F1 0.95, highlighting glycine-rich and positively charged motifs typical of RNA/DNA interactions. The metal-ion model (AUC 0.92, F1 0.65) emphasized cysteine and histidine, consistent with metalloprotein binding patterns. Compared with reference CNN models, our framework achieved lower log-loss, greater interpretability, and stable cross-validation. Conclusion A standalone graphical user interface (GUI) implemented in Python allows users to input protein sequences and obtain residue-level binding probabilities, exportable as CSV files. This work demonstrates that well-engineered classical machine learning can rival deep learning in protein binding prediction, offering interpretable, high-performance tools to support biomedical and pharmaceutical research. References [1] Littmann M, Heinzinger M, Dallago C, Weissenow K, Rost B. Protein embeddings and deep learning predict binding residues for various ligand classes. Sci Rep. 2021 Dec 13;11(1):23916.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,239
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBriefings in BioinformaticsMême sujetMachine Learning in BioinformaticsTravaux en français237 207