[論文レビュー] DPST: De Novo Peptide Sequencing with Amino-Acid-Aware Transformers

Yan Yang, Zakir Hossain+4 more|arXiv (Cornell University)|Mar 23, 2022

Advanced Proteomics Techniques and Applications被引用数 8

ひとこと要約

DPSTは、信頼度値集約とグローバル・ローカル統合デコードを用いてアミノ酸に配慮したスプライス表現を活用する、トランスフォーマーに基づく新規なデ・ノボペプチド配列決定フレームワークを提案する。閉形式の整数線形プログラミング（ILP）解からインダクティブバイアスを導出し、探索空間を90%削減することで、最先端の手法よりも12%〜19%高いペプチド精度を達成した。

ABSTRACT

De novo peptide sequencing aims to recover amino acid sequences of a peptide from tandem mass spectrometry (MS) data. Existing approaches for de novo analysis enumerate MS evidence for all amino acid classes during inference. It leads to over-trimming on receptive fields of MS data and restricts MS evidence associated with following undecoded amino acids. Our approach, DPST, circumvents these limitations with two key components: (1) A confidence value aggregation encoder to sketch spectrum representations according to amino-acid-based connectivity among MS; (2) A global-local fusion decoder to progressively assimilate contextualized spectrum representations with a predefined preconception of localized MS evidence and amino acid priors. Our components originate from a closed-form solution and selectively attend to informative amino-acid-aware MS representations. Through extensive empirical studies, we demonstrate the superiority of DPST, showing that it outperforms state-of-the-art approaches by a margin of 12% - 19% peptide accuracy.

研究の動機と目的

• 推論中にアミノ酸クラスの総当り的列挙に依存する既存のデ・ノボペプチド配列決定手法の限界を解消すること。
• 構造的およびスプライスの事前知識を統合することで、MSに基づくペプチド配列決定における劣悪な文脈推論と大きな探索空間の問題を克服すること。
• 推論の効率性と正確性を向上させるために、情報量の多いアミノ酸に配慮したMS証拠に選択的に注目するモデルを開発すること。
• 閉形式の整数線形プログラミング（ILP）解をトランスフォーマー構造に統合し、学習中の妥当な解の空間を制約するインダクティブバイアスを導入すること。
• 特にペプチド再現率と正確性において、最先端のベースラインと比較して優れた性能を示す、挑戦的なデータセットでの性能を実証すること。

提案手法

• アミノ酸の接続性に基づくペアワイズMSピークアラインメントをモデル化する信頼度値集約エンコーダーを提案し、文脈に配慮したスプライス表現を実現する。
• 局所的MS証拠とグローバルな文脈を組み合わせるグローバル・ローカル統合デコーダーを用い、学習されたアミノ酸事前知識に従って予測を精緻化する。
• 閉形式の整数線形プログラミング（ILP）解を理論的基盤として統合し、インダクティブバイアスを導出し、探索空間を90%削減する。
• エンコーダーにおいてkNNに基づく自己注意機構を適用し、アルゴリズム1によりしきい値を設定した上位の信頼度ピークを選択することで、関連するスペクトル特徴に集中する。
• ペプチド配列の交差エントロピー損失を用いてエンドツーエンドでモデルを学習し、ハイパーパrameter k（近傍数）とδ（信頼度しきい値）によって注意メカニズムを最適化する。
• デコーダーにアミノ酸事前知識を統合し、注意を誘導することで、予測配列とMS証拠との整合性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 アミノ酸に配慮したスプライス表現を備えたトランスフォーマー基盤アーキテクチャは、精度と再現率において既存のデ・ノボペプチド配列決定手法を上回ることができるか？
• RQ2 閉形式のILP解をインダクティブバイアスとして統合することで、探索空間とモデルの一般化性能にどのような影響を与えるか？
• RQ3 信頼度値集約は、異なるアミノ酸位置間のMSピークを結びつけることで、文脈推論をどの程度向上させるか？
• RQ4 アミノ酸事前知識を統合したグローバル・ローカル統合デコーダーは、局所的証拠とグローバルな文脈のバランスを取ることで、推論性能をどのように向上させるか？
• RQ5 ハイパーパrameter k（近傍数）とδ（信頼度しきい値）は、モデルの性能とノイズの多いMSデータに対するロバストネスにどのような影響を及えるか？

主な発見

• DPSTは、C. endoloripesデータセットを含む複数のベンチマークで、最先端の手法よりも12%〜19%高いペプチド正確性を達成した。
• 信頼度値集約により有効な探索空間を90%削減したことで、計算効率と推論安定性が顕著に向上した。
• アブレーションスタディの結果、信頼度値集約とグローバル・ローカル両方のデコーダー分岐を組み合わせた場合が最小のパープレキシティ（1.28）を示し、他のすべての変種を上回った。
• エンコーダーにおいてk=8およびδ=8が最適な性能を達成した。これは、適切な近傍数と信頼度しきい値の選択がピークアラインメントに不可欠であることを示している。
• ペプチド再現率におけるモデルの向上が位置ごとの正確性の向上よりも顕著であり、文脈推論の向上と孤立した欠落ピークへの感受性の低減を示唆している。
• アミノ酸事前知識を統合したグローバル・ローカル統合デコーダーは、予測配列を判別力のあるMS表現と一致させるとともにノイズをフィルタリングすることで、性能を向上させた。