Ingeniería enzimática
Acceso abierto

abstracto

Análisis de modelos sobre la tasa de éxito de la purificación de proteínas de Saccharomyces cerevisiae

Guang Wu y Shaomin Yan  

Saccharomyces cerevisiae es la levadura más utilizada en investigación e industrias, sin embargo, los procesos posteriores para la producción de proteínas son costosos. Este estudio intentó encontrar una forma sencilla de predecir la tasa de éxito de la purificación de proteínas con características de aminoácidos. Se usaron regresión logística y modelo de red neuronal para probar cada una de las características de 535 aminoácidos una por una contra el estado de purificación de 1294 proteínas expresadas de S. cerevisiae, de las cuales 870 fueron purificadas. Los resultados muestran que el desempeño predictivo de la red neuronal es más poderoso que el de la regresión logística. Algunas características de los aminoácidos son útiles para predecir la tendencia de purificación de las proteínas, y las distintas características de los aminoácidos funcionan mejor, como lo demuestra una sensibilidad muy alta acompañada de una especificidad baja. Además, las proteínas de S. cerevisiae con una porción predecible alta de pares de aminoácidos tienen una mayor precisión en la predicción de la purificación que aquellas con una porción predecible baja. Por lo tanto, la tasa de éxito de la purificación de las proteínas de S. cerevisiae se puede predecir utilizando una red neuronal basada en la información de la secuencia de la proteína. Este simple proceso de predicción puede proporcionar un concepto sobre la probabilidad de que una proteína se purifique, lo que debería ser útil para superar los experimentos a ciegas y mejorar la producción de proteínas diseñadas.