Système d'intelligence artificielle et interactions protéiques (in French)
Kumar, Gautam;;;Lahiri, Tapobrata
Synopsis "Système d'intelligence artificielle et interactions protéiques (in French)"
Les interactions protéine-protéine jouent un rôle majeur en bioinformatique et en biologie computationnelle pour interpréter les principes fondamentaux inhérents aux organisations biologiques. Par rapport aux réseaux protéiques et aux séquences disponibles d'espèces différentes, le nombre d'interactions protéine-protéine (IPP) identifiées reste encore très limité. Dans cet ouvrage, une méthode basée sur les séquences et utilisant les propriétés physico-chimiques des résidus protéiques est proposée, en combinant une nouvelle représentation des caractéristiques, l'autocovariance (AC), et un réseau neuronal artificiel (RNA). L'autocovariance décrit les interactions entre des résidus d'acides aminés situés à une certaine distance les uns des autres dans la séquence primaire de la protéine ; cette méthode prend donc en compte l'effet de voisinage dans les interactions protéiques. Les acides aminés ont été convertis en valeurs numériques représentant six propriétés physico-chimiques ; ces séquences numériques ont ensuite été transformées en vecteurs unidimensionnels de même taille par l'autocovariance. Enfin, le modèle de réseau neuronal artificiel a été construit en utilisant les vecteurs des variables d'autocovariance comme données d'entrée. L'expérience a démontré que le modèle de prédiction et la précision de prédiction des interactions dépassaient 94,0 % après une validation croisée en 5 plis.