Back to search

National and Kapodistrian University of Athens

Using deep learning and natural language processing to predict protein-membrane interactions of peripheral membrane proteins

Abstract

dc:description

Ο χαρακτηρισμός των αλληλεπιδράσεων με τη μεμβράνη στη διεπιφάνεια πρωτεΐνης-μεμβράνης είναι ζωτικής σημασίας, καθώς η μη φυσιολογική σύνδεση πρωτεΐνης-μεμβράνης εμπλέκεται στην εμφάνιση πολλών ασθενειών. Ωστόσο, ένας περιοριστικός παράγοντας στη μελέτη και την κατανόηση των αλληλεπιδράσεων πρωτεΐνης-μεμβράνης είναι ότι οι περιοχές δέσμευσης μεμβράνης των περιφερικών μεμβρανικών πρωτεϊνών είναι τυπικά άγνωστες. Με την εφαρμογή τεχνικών Τεχνητής Νοημοσύνης (AI), και πιο συγκεκριμένα της Επεξεργασίας Φυσικής Γλώσσας, ο χρόνος πρόβλεψης για την ανάλυση διεπαφής πρωτεΐνης-μεμβράνης μπορεί να βελτιωθεί σημαντικά σε σύγκριση με τις υπάρχουσες μεθόδους. Σε αυτή τη διατριβή, περιγράφουμε μια μεθοδολογία μηχανικής μάθησης για την πρόβλεψη αμινοξέων που διεισδύουν στη μεμβράνη χρησιμοποιώντας μοντέλα Επεξεργασίας Φυσικής Γλώσσας και πιο συγκεκριμένα πρωτεϊνικά γλωσσικά μοντέλα. Χρησιμοποιώντας διαθέσιμα πειραματικά δεδομένα από πηγές, δημιουργούμε πρωτεϊνικά χαρακτηριστικά από δύο πρωτεϊνικά γλωσσικά μοντέλα για την εκπαίδευση μοντέλων ταξινομητών. Η αξιολόγηση του καλύτερου μοντέλου ταξινομητή νευρωνικών δικτύων μετά τη βελτιστοποίηση αποδίδει ένα F1 score = 0,691 με MCC = 0,652 και F1 score = 0,622 με MCC = 0,577 για τα δύο διαφορετικά χαρακτηριστικά από τα πρωτεϊνικά γλωσσικά μοντέλα αντίστοιχα. Τα παραγόμενα μοντέλα Multi-Layer Perceptron (MLP) παρέχουν πολλά υποσχόμενα αποτελέσματα, αλλά με ορισμένους περιορισμούς που αποκλείουν τη γενίκευση, δηλαδή την αδυναμία να γίνουν σωστές προβλέψεις για πρωτεΐνες εκτός των εκπαιδευμένων οικογενειών πρωτεϊνών. Συνολικά, τα αποτελέσματα αποδεικνύουν την πολλά υποσχόμενη δυνατότητα χρήσης βαθιάς μάθησης και πρωτεϊνικών γλωσσικών μοντέλων για την πρόβλεψη των αλληλεπιδράσεων πρωτεΐνης-μεμβράνης ταχύτερα και με παρόμοια ακρίβεια σε σύγκριση με τις υπάρχουσες μεθόδους.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Παρανού Δήμητρα
  • Paranou Dimitra

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3325240

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Παρανού Δήμητρα; Paranou Dimitra. Using deep learning and natural language processing to predict protein-membrane interactions of peripheral membrane proteins. 2023. https://pergamos.lib.uoa.gr/uoa/dl/object/3325240