Aprendizado de máquina para prospecção de exosítios de proteínas como moduladores de interação proteína-proteína e suas interfaces com hot spots identificados

Abstract

Interações proteína-proteína e proteína-peptídeos ocorrem devido a estruturas presentes na camada superficial de proteínas chamadas de exosítios. Dentro das interfaces de ligações existem pequenas regiões que contribuem mais do que outras para a afinidade e especificidade da ligação, os chamados hot spots. Entender como essas interações ocorrem e são reguladas permitiria insights sobre os mecanismos de doença para o desenvolvimento de novas drogas e vacinas. Entretanto, descobrir novos tipos dessas interfaces é um trabalho manualmente trabalhoso e custoso, o que por muitas vezes inviabiliza a identificação e análise dos mesmos. Dessa forma, o presente projeto propõe a utilização de técnicas de machine learning ensemble para o desenvolvimento de um classificador capaz de identificar, por meio de diversos descritores físico-químicos, regiões características de exosítios e suas interfaces com hot spots identificados.

Protein-protein and protein-peptide interactions occur due to structures present on the protein surface known as exosites. Within the binding interfaces, there are small regions that contribute more than others to the binding affinity and specificity, called hot spots. Understanding how these interactions occur and are regulated could provide insights into disease mechanisms for the development of new drugs and vaccines. However, discovering new types of these interfaces is a manually intensive and costly task, often making their identification and analysis unfeasible. Therefore, the present project proposes the use of ensemble machine learning techniques to develop a classifier capable of identifying, through various physicochemical descriptors, characteristic regions of exosites and their interfaces with identified hot spots.