Предобученная языковая модель белков открывает новые возможности для прогнозирования белок-белковых взаимодействий у Arabidopsis

Белок-белковые взаимодействия (PPI) играют важную роль во многих биологических процессах. Поэтому выявление PPI у модельного растения Arabidopsis имеет большое значение для углубленного понимания роста и развития растений, а также для продвижения фундаментальных исследований в области улучшения сельскохозяйственных культур. Хотя в настоящее время экспериментально установлено множество PPI у Arabidopsis, известные данные об интерактоме Arabidopsis остаются далеко не полными. В связи с этим по-прежнему существует острая необходимость в разработке эффективных моделей машинного обучения на основе имеющихся данных о PPI для удобного и быстрого прогнозирования неизвестных PPI у Arabidopsis. Мы использовали крупномасштабную предобученную языковую модель белков (pLM) ESM-1b для преобразования аминокислотных последовательностей белков в векторы высокой размерности, которые затем подавались на вход многослойному перцептрону (MLP). Чтобы избежать часто возникающей при прогнозировании PPI переоценки эффективности, для обучения и оценки прогностической модели использовали строгие наборы данных. Результаты показали, что комбинация ESM-1b и MLP (то есть ESMAraPPI) обеспечивала более высокую точность, чем прогностические модели, построенные на основе других pLM или базовых схем кодирования последовательностей. В частности, предложенная модель ESMAraPPI продемонстрировала значение AUPR 0.810 при тестировании на независимом тестовом наборе, в котором оба белка каждой пары отсутствовали в обучающем наборе данных, что свидетельствует о ее высокой способности к обобщению и экстраполяции. Кроме того, предложенная модель ESMAraPPI превосходила несколько современных универсальных или специализированных для растений предикторов PPI. Векторы-эмбеддинги белковых последовательностей, полученные с помощью предобученной модели ESM-1b, содержат богатую семантическую информацию о белках. В сочетании с алгоритмом MLP модель ESM-1b продемонстрировала отличную эффективность при прогнозировании PPI у Arabidopsis. Мы ожидаем, что предложенная прогностическая модель ESMAraPPI станет высококонкурентным инструментом для ускорения идентификации интерактома Arabidopsis.