[論文レビュー] DeepNovoV2: Better de novo peptide sequencing with deep learning

Rui Qiao, Ngoc Hieu Tran+4 more|arXiv (Cornell University)|Apr 17, 2019

vaccines and immunoinformatics approaches参考文献 28被引用数 15

ひとこと要約

DeepNovoV2 は、質量分析（MS/MS）スプライスを正弦関数的位置埋め込みを用いて (m/z, 強度) ペアとして直接表現することで、スプライス畳み込みネットワークを不要にする、最先端の深層学習モデルを導入した de novo ペプチド配列決定手法を提供する。順序不変ネットワーク（T-Net）と双方向LSTMを組み合わせることで、先行手法に比べてペプチドレベルの再現率が13.01–23.95%向上し、個人がんワクチン開発におけるネオアンチゲン同定の正確性を顕著に向上させる。

ABSTRACT

Personalized cancer vaccines are envisioned as the next generation rational cancer immunotherapy. The key step in developing personalized therapeutic cancer vaccines is to identify tumor-specific neoantigens that are on the surface of tumor cells. A promising method for this is through de novo peptide sequencing from mass spectrometry data. In this paper we introduce DeepNovoV2, the state-of-the-art model for peptide sequencing. In DeepNovoV2, a spectrum is directly represented as a set of (m/z, intensity) pairs, therefore it does not suffer from the accuracy-speed/memory trade-off problem. The model combines an order invariant network structure (T-Net) and recurrent neural networks and provides a complete end-to-end training and prediction framework to sequence patterns of peptides. Our experiments on a wide variety of data from different species show that DeepNovoV2 outperforms previous state-of-the-art methods, achieving 13.01-23.95\% higher accuracy at the peptide level.

研究の動機と目的

• 既存のデータベース検索エンジンが、特に非トリプチド性および希少ペプチドに対して腫瘍特異的ネオアンチゲンを同定する点で抱える限界を解消すること。
• スプライス表現手法に内在する精度-速度/メモリのトレードオフを回避する、より正確で効率的な de novo ペプチド配列決定モデルの開発。
• 事前処理された特徴量や畳み込みネットワークに依存せずに、MS/MSスプライスからペプチド配列をエンドツーエンドで直接学習・予測できる仕組みの構築。
• 生スプライスデータに基づく深層学習を活用することで、個人がんワクチン開発におけるネオアンチゲン同定の感度と特異度を向上させること。

提案手法

• 各MS/MSスプライスを、スプライス畳み込みネットワークを不要にするために (m/z, 強度) ペアの集合として直接表現する。
• m/z 値に正弦関数的位置埋め込みを適用し、相対的なピーク位置を符号化することで、アミノ酸の同定に寄与するm/z差をモデルが学習可能にする。
• スプライス特徴をグローバルコンテキストベクトルに集約するための学習可能なT-Net（順序不変ネットワーク）を用い、ピーク順序に依存しない性質を確保する。
• T-Netの出力を双方向LSTMと組み合わせ、累積質量制約に注目しながら自己回帰的にペプチド配列を生成する。
• LSTMの隠れ状態をスプライス表現ベクトルで初期化することで、学習安定性と性能を向上させる。
• 探索空間を制限し、予測の正確性と効率を向上させるために、ナップサック動的計画法を用いたビームサーチを採用する。

実験結果

リサーチクエスチョン

• RQ1 畳み込み特徴抽出を経由せずに、生MS/MSスプライスを直接モデル化することで、de novo ペプチド配列決定の正確性を向上させられるか？
• RQ2 T-Netによる順序不変なスプライス表現を用いることで、畳み込みベースの手法と比較して、多様な種やペプチドタイプにわたる一般化性能が向上するか？
• RQ3 正弦関数的位置埋め込みが、断片イオントのm/z差からアミノ酸配列を推定する能力をどの程度向上させるか？
• RQ4 T-Netと双方向LSTMの統合が、DeepNovoなどの先行SOTAモデルと比較して、ペプチドレベルの再現率をどの程度向上させるか？
• RQ5 直接的なスプライス表現とグローバルコンテキスト符号化を備えたモデルが、ファインチューニングなしで種を超えて一般化できるか？

主な発見

• ABRF DDA データセットにおいて、DeepNovoV2 はペプチドレベルの再現率が39.24%に達し、DeepNovoの32.96%から19.05%の向上を示した。
• 9種の異なる種からのクロススペシーズデータにおいて、DeepNovoV2 は全テスト種においてDeepNovoと比較してペプチド再現率を13.01–23.95%向上させた。
• アミノ酸再現率は72.46%、アミノ酸正確率は72.25%を達成し、DeepNovoの67.81%および67.67%を上回った。
• スプライスCNNの代わりに正弦関数的位置埋め込みを用いることで、モデルパラメータ数と計算量を削減しながらも、同等の性能を維持した。
• T-Net部により、順序不変なスプライス符号化が可能となり、MS/MSデータにおけるピーク順序の変動に対する一般化性と耐性が向上した。
• ビームサーチとナップサックベースの探索空間の削減を組み合わせたエンドツーエンド学習により、予測の正確性と効率が顕著に向上した。