[論文レビュー] Decision functions from supervised machine learning algorithms as collective variables for accelerating molecular simulations.

Mohammad M. Sultan, Vijay S. Pande|arXiv (Cornell University)|Feb 28, 2018

Protein Structure and Dynamics参考文献 5被引用数 2

ひとこと要約

本論文では、サポートベクターマシンやロジスティック回帰などの教師あり機械学習アルゴリズムの意思決定関数を、集団変数（CV）として用いることで、分子シミュレーションの加速を提案している。意思決定超平面からの距離または確率出力をCVとして活用することで、溶媒化されたアラニンジペプチドおよびチグノリンにおける遅い構造的遷移の効率的サンプリングが可能となり、複雑なエネルギー障壁を越える際に可逆的かつ効果的なコンformationalサンプリングが実現された。

ABSTRACT

Selection of appropriate collective variables for enhancing molecular simulations remains an unsolved problem in computational biophysics. In particular, picking initial collective variables (CVs) is particularly challenging in higher dimensions. Which atomic coordinates or transforms there of from a list of thousands should one pick for enhanced sampling runs? How does a modeler even begin to pick starting coordinates for investigation? This remains true even in the case of simple two state systems and only increases in difficulty for multi-state systems. In this work, we attempt to solve the initial CV problem using a data-driven approach inspired by supervised machine learning literature. In particular, we show how the decision functions in supervised machine learning (SML) algorithms can be used as initial CVs for accelerated sampling. Using solvated alanine dipeptide and Chignolin mini-protein as our test cases, we illustrate how the distance to the Support Vector Machines decision hyperplane, the output probability estimates from Logistic Regression, and other classifiers may be used to reversibly sample slow structural transitions. We discuss the utility of other SML algorithms that might be useful for identifying CVs for accelerating molecular simulations.

研究の動機と目的

• 高次元の分子シミュレーション空間における初期集団変数（CV）の選定という、長年の課題に取り組むこと。
• 教師あり機械学習（SML）モデルの意思決定関数が、強化サンプリングに有効なデータ駆動型CVとして機能するかどうかを検討すること。
• SMLベースのCVが、バイオ分子系における遅いコンformational遷移のサンプリングをどの程度加速できるかを評価すること。
• 分子シミュレーションにおいて、情報量が多くかつ可逆的なCVを生成するのに最も適したSMLアルゴリズムを特定すること。

提案手法

• 訓練済みのサポートベクターマシン（SVM）の意思決定関数を、特にSVM超平面からの符号付き距離として集団変数として利用すること。
• ロジスティック回帰の出力確率推定値を、連続的かつ可逆的な集団変数として用い、強化サンプリングに活用すること。
• 他の教師あり学習分類器を用いて、強化サンプリングシミュレーションにおける代替の意思決定関数を生成すること。
• 得られたSML由来のCVを、メタダイナミクスや類似の強化サンプリング手法に適用し、遅い状態間の遷移を加速すること。
• SMLベースのCVを用いたシミュレーションから再構築された自由エネルギー障壁を分析することで、サンプリングの可逆性と効率性を検証すること。
• 溶媒化されたアラニンジペプチドとチグノリンの2つのベンチマーク系に、この手法を適用すること。両者とも、複雑で遅いコンformationalダイナミクスが特徴である。

実験結果

リサーチクエスチョン

• RQ1 教師あり機械学習モデルの意思決定関数は、分子シミュレーションの加速に有効な集団変数として機能できるか？
• RQ2 SMLベースのCVは、従来の手動で選択されたCVと比較して、遅いコンformational遷移のサンプリングにおいて、性能と可逆性に優れているか？
• RQ3 どの教師あり機械学習アルゴリズムが、バイオ分子シミュレーションにおけるCVとして使用する際に、最も情報量が多く安定した意思決定関数を生成するか？
• RQ4 SML由来のCVは、2状態系や多状態系（例：アラニンジペプチドやチグノリン）において、本質的な反応座標をどの程度正確に捉えられるか？

主な発見

• SVMの意思決定超平面からの符号付き距離は、溶媒化されたアラニンジペプチドにおいて本質的な反応座標を的確に捉えており、cis-trans異性体化経路の効率的サンプリングを可能にした。
• ロジスティック回帰の確率推定値は、滑らかで連続的かつ可逆的な集団変数を提供し、チグノリンにおけるコンformationalサンプリングの加速に効果的であった。
• SMLベースのCVを用いることで、ランダムまたはヒューリスティックに選択されたCVと比較して、自由エネルギー障壁の再構築が収束しやすく、サンプリング時間が短縮された。
• 本手法は、2状態系および多状態系の両方のコンformational遷移を示すタンパク質系に対して、強固な性能を示した。
• ランダムフォレストやニューラルネットワークなどの他のSMLアルゴリズムも、代替のCVを生成する可能性を示したが、サンプリングにおける最適な使用にはさらなる分析が必要である。
• 本手法は、直感が通用しない高次元系において特に価値がある、体系的かつデータ駆動型のCV選定の代替手段を提供する。