Engenharia Enzimática
Acesso livre

Abstrato

Análises de modelagem sobre a taxa de sucesso da purificação de proteínas de Saccharomyces cerevisiae

Guang Wu e Shaomin Yan  

Saccharomyces cerevisiae é a levedura mais amplamente usada em pesquisas e indústrias, no entanto, os processos posteriores para sua produção de proteína são caros. Este estudo tentou descobrir uma maneira simples de prever a taxa de sucesso da purificação de proteínas com características de aminoácidos. Regressão logística e modelo de rede neural foram usados ​​para testar cada uma das 535 características de aminoácidos, uma por uma, contra o estado de purificação de 1294 proteínas expressas de S. cerevisiae, das quais 870 foram purificadas. Os resultados mostram que o desempenho preditivo da rede neural é mais poderoso do que o da regressão logística. Algumas características de aminoácidos são úteis para prever a tendência de purificação de proteínas, e as características variáveis ​​de aminoácidos têm melhor desempenho, conforme demonstrado por sensibilidade muito alta acompanhada de baixa especificidade. Além disso, as proteínas de S. cerevisiae com uma alta porção previsível de pares de aminoácidos têm maior precisão de previsão de purificação do que aquelas com uma baixa porção previsível. Assim, a taxa de sucesso de purificação de proteínas de S. cerevisiae pode ser prevista usando rede neural com base em informações de sequência de proteínas. Esse processo simples de previsão pode fornecer um conceito sobre a probabilidade de uma proteína ser purificada, o que deve ser útil para superar experimentos às cegas e melhorar a produção de proteínas projetadas.