Sistema di intelligenza artificiale e interazioni proteiche

Le interazioni proteina-proteina (PPI) rivestono un ruolo fondamentale nella bioinformatica e nella biologia computazionale per l'interpretazione dei principi fondamentali inerenti alle organizzazioni biologiche. Rispetto alle reti proteiche e alle sequenze disponibili di specie diverse, il numero di PPI individuate è ancora molto limitato. In questo libro viene proposto un metodo basato sulle sequenze che utilizza le proprietà fisico-chimiche dei residui proteici, combinando una nuova rappresentazione delle caratteristiche, l'autocovarianza (AC), con una rete neurale artificiale (ANN). L'autocovarianza descrive le interazioni tra residui amminoacidici situati a una certa distanza nella sequenza primaria della proteina; pertanto, questo metodo tiene conto dell'effetto di vicinato nelle interazioni proteiche. Gli amminoacidi sono stati convertiti in valori numerici che rappresentano sei proprietà fisico-chimiche; successivamente, tali sequenze numeriche sono state trasformate in vettori unidimensionali di uguale dimensione tramite l'Auto-Covarianza. Infine, è stato costruito il modello ANN utilizzando come input i vettori delle variabili di Auto-Covarianza. L'esperimento ha dimostrato che il modello predittivo e l'accuratezza nella previsione delle interazioni superano il 94,0% dopo una validazione incrociata a 5 pieghe.