DepoScope: точная аннотация деполимераз фагов и определение границ доменов с использованием больших языковых моделей

Бактериофаги (фаги) — это вирусы, инфицирующие бактерии. Многие из них продуцируют специфические ферменты, называемые деполимеразами, для разрушения внешних полисахаридных структур. Точная аннотация и идентификация доменов этих деполимераз затруднены вследствие присущего им разнообразия последовательностей. Поэтому мы представляем DepoScope — инструмент машинного обучения, объединяющий дообученную модель ESM-2 со свёрточной нейронной сетью для точной идентификации последовательностей деполимераз и их ферментативных доменов. Для этого мы сформировали набор данных на основе базы данных геномов фагов INPHARED, создали базу данных доменов, расщепляющих полисахариды, и применили последовательную фильтрацию для построения высококачественного набора данных, который затем использовали для обучения DepoScope. Наша работа представляет собой первый подход, объединяющий предсказания на уровне последовательности с предсказаниями на уровне аминокислот для точного выявления деполимераз и идентификации функциональных доменов. Таким образом, мы полагаем, что DepoScope может значительно расширить наше понимание взаимодействий между фагами и хозяевами на уровне деполимераз.