[論文レビュー] AlphaDesign: A graph protein design method and benchmark on AlphaFoldDB

Zhangyang Gao, Cheng Tan+1 more|arXiv (Cornell University)|Feb 1, 2022

Protein Structure and Dynamics被引用数 25

ひとこと要約

AlphaDesign は構造から配列へのタンパク質設計のための AlphaFold ベースの新しいベンチマークを導入し、角度特徴を備えたグラフベースの手法、簡略化されたグラフトランスフォーマーエンコーダ、および信頼度対応デコーダを備えた ADesign を提示します。これにより、最先端の精度と速度を達成します。

ABSTRACT

While DeepMind has tentatively solved protein folding, its inverse problem -- protein design which predicts protein sequences from their 3D structures -- still faces significant challenges. Particularly, the lack of large-scale standardized benchmark and poor accuray hinder the research progress. In order to standardize comparisons and draw more research interest, we use AlphaFold DB, one of the world's largest protein structure databases, to establish a new graph-based benchmark -- AlphaDesign. Based on AlphaDesign, we propose a new method called ADesign to improve accuracy by introducing protein angles as new features, using a simplified graph transformer encoder (SGT), and proposing a confidence-aware protein decoder (CPD). Meanwhile, SGT and CPD also improve model efficiency by simplifying the training and testing procedures. Experiments show that ADesign significantly outperforms previous graph models, e.g., the average accuracy is improved by 8\%, and the inference speed is 40+ times faster than before.

研究の動機と目的

• 種と長さを横断する AlphaFold DB を用いた構造→配列タンパク質設計の大規模で標準化されたベンチマークを確立する。
• 従来のモデルより精度と効率を向上させるオープンソースのグラフベース設計手法（ADesign）を開発する。
• 新規特徴量（タンパク質の角度）、簡略化されたグラフトランスフォーマーエンコーダ、および信頼度対応デコーダが設計性能に与える影響を調査する。
• 長さフリーと長さ制限付き、種別を意識したデータと結合データセットでの性能を評価する。
• 訓練/検証/テストの分割を標準化し、回復精度を報告することで、公正で再現性のある比較を提供する。

提案手法

• タンパク質を、12 のノード特徴量と 23 のエッジ特徴量を含む k-NN グラフとして表現し、角度ベースの新しい特徴量（α、β、γ）および二面角を含む。
• 注意重みを個別の Q/K 投影ではなく、単一の MLP で学習する簡略化されたグラフトランスフォーマー（SGT）を使用する。
• 自己回帰的デコーディングを、学習済み信頼度スコアを用いて平行予測を可能にする並列の信頼度対応タンパク質デコーダ（CPD）に置き換える。
• グラフ由来の特徴に対する局所的な連続依存性を捉えるために1D CNNを組み込み、文脈を考慮した配列予測を可能にする。
• 残基型予測のクロスエントロピー損失でエンドツーエンドに訓練し、SL/SF および JL/JF ベンチマーク全体で同じ最適化設定を使用する。
• ベンチマーク設定は AlphaFold DB を活用し、長さフリーおよび種別意識の設定と、公正な比較のための標準化データ分割を用いる。

実験結果

リサーチクエスチョン

• RQ1 AlphaDesign は種と長さを横断したグラフベースのタンパク質設計のための AlphaFoldDB に対して公正で大規模なベンチマークを提供するか。
• RQ2 ADesign は従来のグラフベース設計手法と比較して最先端の精度と効率を達成できるか。
• RQ3 新しく導入されたタンパク質角度特徴、簡略化グラフトランスフォーマー、CPD デコーダが性能向上にどのように寄与するか。
• RQ4 長さ制限と種別意識対ジョイント訓練がモデル性能に与える影響は何か。
• RQ5 グラフベースのタンパク質設計で性能向上を最も駆動する要因は何か。

主な発見

• ADesign は SL/SF 設定の下で従来のグラフベースモデルより回復精度を平均約8%向上させる。
• ADesign はテスト時間が同等の方法と比べて40倍以上速く、SL 設定での推定速度が大幅に向上する。
• SF/JF 設定の下でも DDesign は、平均でベースラインを約9.4%上回る強力な性能を維持する。
• アブレート研究は、追加された角度特徴量が精度に最も寄与し、それに続いて簡略化グラフエンコーダと CPD デコーダが寄与することを示す。
• 信頼度対応デコーダは推論速度を大幅に向上させ、顕著な精度向上を提供する。