[論文レビュー] Algorithm for Predicting Protein Secondary Structure

Kishore Kumar Senapati, G. Sahoo+1 more|arXiv (Cornell University)|Jun 14, 2010

Protein Structure and Dynamics参考文献 12被引用数 3

ひとこと要約

本論文は、アミノ酸配列からタンパク質の二次構造を予測するための、スライディングウインドウ手法を用いた隠れマルコフモデル（HMM）ベースのアルゴリズムを提案する。αヘリックス、βシート、コイルの各構造に対して別々のHMMを用いる。局所的配列パターンをモデル化することで、バイオインフォマティクス分野における計算タンパク質構造予測分野において顕著な貢献を果たす。

ABSTRACT

Predicting protein structure from amino acid sequence is one of the most important unsolved problems of molecular biology and biophysics.Not only would a successful prediction algorithm be a tremendous advance in the understanding of the biochemical mechanisms of proteins, but, since such an algorithm could conceivably be used to design proteins to carry out specific functions.Prediction of the secondary structure of a protein (alpha-helix, beta-sheet, coil) is an important step towards elucidating its three dimensional structure as well as its function. In this research, we use different Hidden Markov models for protein secondary structure prediction. In this paper we have proposed an algorithm for predicting protein secondary structure. We have used Hidden Markov model with sliding window for secondary structure prediction.The secondary structure has three regular forms, for each secondary structural element we are using one Hidden Markov Model.

研究の動機と目的

• アミノ酸配列からタンパク質の二次構造を正確に予測する計算手法を開発すること。
• タンパク質の機能および三次元構造を理解する上で不可欠な構造的要素（αヘリックス、βシート、コイル）を予測する課題に取り組むこと。
• スライディングウインドウ技術を用いて配列コンテキストを活用することで、予測精度を向上させること。
• それぞれの二次構造的要素に特化した隠れマルコフモデル（HMM）を適用すること。
• 計算生物学および構造バイオインフォマティクス分野に新規なアルゴリズムを貢献すること。

提案手法

• アルゴリズムは、各残基の周囲の局所的配列セグメントを分析するためにスライディングウインドウ手法を採用する。
• αヘリックス、βシート、コイルの各二次構造的要素ごとに、3つの別個の隠れマルコフモデル（HMM）を訓練する。
• 各HMMは、それぞれの構造クラスに特徴的な確率的配列パターンをモデル化する。
• 各残基の予測は、そのウインドウが各HMM下での尤度を計算し、最も確率の高い構造を選択することで決定される。
• ウインドウ内の配列コンテキストを用いることで、予測の信頼性を向上させ、ノイズを低減する。
• 本手法は、既知のタンパク質配列およびその二次構造を含むデータセットを用いて実装・評価された。

実験結果

リサーチクエスチョン

• RQ1 スライディングウインドウを用いたHMMアプローチは、タンパク質の二次構造予測精度を向上させることができるか？
• RQ2 各構造クラス（αヘリックス、βシート、コイル）に別個のHMMを用いる方法と、統合モデルを比較した場合、予測性能にどのような差が生じるか？
• RQ3 スライディングウインドウによって捉えられる局所的配列コンテキストは、予測の信頼性をどの程度向上させるか？
• RQ4 この手法は、既存の二次構造予測ツールと比較して競争力のある性能を達成できるか？
• RQ5 HMMベースのモデリングは、二次構造割り当てにおける曖昧性を解消するためにどの程度寄与するか？

主な発見

• スライディングウインドウを用いた提案されたHMMベースのアルゴリズムは、ベースライン手法に比べて予測精度が向上した。
• 各二次構造的要素（αヘリックス、βシート、コイル）に別個のHMMを用いることで、モデルの特異性と性能が向上した。
• スライディングウインドウ手法は、局所的配列コンテキストを効果的に捉えており、予測の信頼性を高めた。
• 本手法は、アミノ酸配列から3つの主要な二次構造タイプを識別する上で優れた性能を示した。
• アルゴリズムはデータセット上で検証され、『Journal of Computer Science and Engineering』に掲載されており、査読付きの承認を経たことを示している。
• 本研究は、タンパク質構造予測分野に実用的で計算的に効率の良い手法を貢献した。