Development of a new machine learning-derived method for high-throughput prediction of plant receptor-like proteins

• Ano de defesa: 2020
• Autor(a) principal: Silva, José Cleydson Ferreira da
• Orientador(a): Fontes, Elizabeth Pacheco Batista
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Viçosa
• Área do conhecimento CNPq: Biologia Molecular
• Link de acesso: https://locus.ufv.br//handle/123456789/28726

O Machine learning (ML) é um campo de inteligência artificial que emergiu rapidamente na biologia molecular de plantas, permitindo assim a exploração de grandes conjuntos de dados. Os principais desafios são analisar esses dados e extrair novos conhecimentos de sistemas celulares. Nesta investigação, considera-se que uma revisão sistemática para desembaraçar as abordagens de ML seria relevante para os cientistas de plantas (capítulo 1). As principais etapas do desenvolvimento do ML, como seleção de dados, extração de recursos, algoritmos de treinamento e avaliação de modelos de classificação/previsão. Além disso, discute-se o papel do ML na era pós-genômica. Além disso, com base na revisão sistemática, foi desenvolvido um método de aprendizado de máquina para classificação de receptores de superfície celular (Capítulo 2). Duas classes de receptores da superfície celular, designados receptores do tipo cinase (RLK) e receptores do tipo proteína (RLPs), são essenciais para perceber e processar sinais externos e internos em plantas e animais. Ambos estão envolvidos no desenvolvimento da planta e na resposta a patógenos e compartilham um domínio extracelular similar, capaz de detectar o sinal ambiental externo do evento de detecção inicial. No entanto, as RLPs têm regiões C-terminais curtas e divergentes, não associadas com característica de domínio das quinases conservadas das RLKs. A ausência de relações filogenéticas C-terminais entre RLK e RLPs impede o uso de algoritmos de comparação de sequência para previsões de alto rendimento da família RLP. Assim, foi desenvolvido o primeiro preditor de RLP em plantas designadas como RLPredictiOme. O RLPredictiOme foi implementado com base em modelos de aprendizado de máquina em conjunto com a inferência bayesiana. Os modelos de ML incorporam em três estágios para distinguir RLPs de noRLPs, RLPs de RLKs e classificar novas subfamílias de RLPs em plantas. Os resultados da avaliação dos modelos mostram alta precisão, sensibilidade, especificidade e probabilidade relativamente alta variando de 0,79 a 0,99 para RLPs. Além disso, uma validação completa do RLPredictiOme foi realizada com LRR-RLPs de Arabidopsis e arroz previamente caracterizados e mais de 90% dos RLPs conhecidos foram previstos corretamente. Além de prever RLPs previamente caracterizados, o RLPredictiOme descobriu novas subfamílias de RLP no genoma de Arabidopsis. Isso inclui probable lipid transfer (PLT)- RLP, plastocyanin-like-RLP, ring finger-RLP, glycosyl-hydrolase-RLP, e glycerophosphoryl diester phosphodiesterase (GDPDL)-RLP, ainda a serem caracterizadas. Em comparação com o único GDPDL-RLK, os estudos de evolução molecular confirmaram que o ectodomínio dos GDPDL-RLPs pode ter sido submetido a uma seleção purificadora com predominância de substituições sinônimas. As análises de expressão revelaram que o GDPGL-RLPs previstos exibem um nível basal de expressão e responde a sinais de desenvolvimento e sinais bióticos. Os resultados desses ensaios biológicos substanciam a noção de que os membros desta subfamília mantiveram domínios funcionais durante a evolução e podem desempenhar papéis relevantes no desenvolvimento e na defesa das plantas. Portanto, o RLPredictiOme pode fornecer novas idéias sobre o papel funcional dos receptores de superfície e suas relações com diferentes processos biológicos. Palavras-chave: Aprendizagem de máquina. Receptores proteínas-like. RLPredictiOme.