Prediction of protein binding residues for metal ions, nucleic acids, and small molecules
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle