Predikce vlivu mutace na rozpustnost proteinů

Abstract

Rozpustnosť proteínov je kľúčový problém, ktorý úzko súvisí s požiadavkou na výrobu funkčného proteínu. Prediktor vplyvu mutácie na rozpustnosť proteínov by mohol viesť k značnému šetreniu času a financií, pretože je schopný in silico predikcie mutácií, ktoré zlepšujú rozpustnosť ešte pred zahájením hlbokého mutačného testovania v laboratóriu. V tejto práci je prezentovaný nový prediktor vplyvu mutácie na rozpustnosť proteínov SoluProtMut, založený na metódach strojového učenia. Väčšina existujúcich nástrojov predikujú tento vplyv zo sekvencie aminokyselín. Okrem tejto sekvencie, prediktor prezentovaný v tejto práci využíva aj priestorovú štruktúru proteínu, čím sa môže výrazne zvýšiť jeho presnosť.Protein solubility is a key problem in production of functional proteins. Prediction of the effect of mutation on protein solubility could save a lot of time and money, as it would provide in silico prediction of solubility enhancing mutations before performing deep mutational scanning in laboratory. In this work, new predictor of the effect of mutation on protein solubility SoluProtMut is introduced that is based on machine learning methods. Most of the existing predictors predict the effect from the amino acid sequence. In addition to the sequence, the tool presented in this work also uses the spatial structure of the protein, which can significantly increase it's accuracy.