DePolymerase Predictor (DePP): инструмент машинного обучения для целенаправленной идентификации деполимераз фагов

Образование биоплёнок играет клинически значимую роль в патогенности многих бактерий, ограничивая возможности применения противомикробных препаратов и, в частности, способствуя патогенезу хронических инфекций. Деполимеразы бактериофагов, используемые этими вирусами для преодоления устойчивости, опосредованной биоплёнками, представляют собой потенциально мощное средство борьбы с бактериями, устойчивыми к антибиотикам. Такие ферменты способны разрушать внеклеточный матрикс, являющийся неотъемлемой частью формирования всех биоплёнок, и тем самым позволяют успешно применять дополнительные методы терапии или процедуры дезинфекции. В данной работе мы описываем разработку и применение подхода на основе машинного обучения для идентификации деполимераз фагов. Мы показываем, что на основе относительно небольшого числа экспериментально подтверждённых ферментов и с использованием вектора признаков, производного от аминокислотной последовательности, возможно создать эффективную модель с точностью порядка 90%, что демонстрирует ценность таких подходов для функциональной аннотации белков и обнаружения новых терапевтических агентов.