Evaluation and ranking of protein docking models by 3D convolutional neural networks

Biyolojik süreçler, protein-protein arayüzleri aracılığıyla meydana gelen protein etkileşimlerine bağlıdır. Protein-protein arayüzlerinin kolay ve güvenilir bir şekilde belirlenebilmesi, protein bağlanma mekanizmalarını anlamak ve yeni etkileşimleri tahmin etmek için çok önemlidir. Bir arayüz çıkarabilmek için, protein-protein kompleks yapısına ihtiyaç vardır. Tek bir protein kompleksinin yapısını belirlemek bile deneysel olarak uzun bir zaman ve büyük bir çaba gerektirdiğinden; hesaplamalı yöntemlerin binlerce olası protein kompleksi yapısını tahmin edebileceğini görmek umut vericidir. Fakat, hesaplamalı yöntemlerde karşımıza çıkan en büyük zorluk, yöntem tarafından önerilen binlerce protein kompleksi arasından biyolojik olanlarını ayırt edebilmektir. Günümüze kadar, biyolojik protein modellerini belirlemek için, dekoyları puanlayan ve sıralayan birçok yöntem geliştirilmiştir. Bu tezde, DeepInterface adı verilen üç boyutlu evrişimli sinir ağı tabanlı dekoy puanlama ve sıralama yaklaşımını geliştirdik. En iyi performans gösteren DeepInterface modelini bulmak için birden çok evrişimli sinir ağı mimarisini karşılaştırdık ve hiperparametre alanlarını taradık. Sonuç olarak, VGG16'nın mimarisine benzeyen yeni bir model ortaya çıkarttık. Protein Veri Bankasında (PDB) depolanan komplekslerden pozitif veri kümelerini ve PPI4DOCK ve DOCKGROUND veritabanlarında depolanan yanlış dekoylardan negatif veri kümelerini oluşturduk. Önerdiğimiz modelin, PDB'de depolananlara benzer pozitif protein arayüzlerini, yaklaşık %81 doğrulukla, CAPRI kriterlerine göre yanlış negatif protein arayüzlerinden ayırt edebildiğini gösterdik. Modellerimizi ZDOCK benchmark 4.0 üzerinden IRAD ve DOVE gibi diğer dekoyların puanlama / sıralama araçlarıyla da karşılaştırdık ve modellerimizin bu araçlarla yarışabilir nitelikte olduğunu gösterdik. Kullandığımız bu yöntem, protein-protein etkileşimlerini tahmin eden programların hesaplama maliyetini azaltmak için kullanılabilir.